> ## Documentation Index
> Fetch the complete documentation index at: https://wb-21fd5541-feat-cli-docs-generator.mintlify.site/llms.txt
> Use this file to discover all available pages before exploring further.

# Create and track plots from experiments

> 기계 학습 실험에서 플롯을 생성하고 추적합니다.

`wandb.plot`의 메소드를 사용하면 트레이닝 중 시간에 따라 변하는 차트를 포함하여 `wandb.log`로 차트를 추적할 수 있습니다. 사용자 정의 차트 프레임워크에 대해 자세히 알아보려면 [이 가이드](/ko/models/app/features/custom-charts/walkthrough/)를 확인하십시오.

### 기본 차트

이러한 간단한 차트를 사용하면 메트릭 및 결과의 기본 시각화를 쉽게 구성할 수 있습니다.

<Tabs>
  <Tab title="Line">
    `wandb.plot.line()`

    임의의 축에서 연결되고 정렬된 점 목록인 사용자 정의 라인 플롯을 기록합니다.

    ```python theme={null}
    data = [[x, y] for (x, y) in zip(x_values, y_values)]
    table = wandb.Table(data=data, columns=["x", "y"])
    wandb.log(
        {
            "my_custom_plot_id": wandb.plot.line(
                table, "x", "y", title="Custom Y vs X Line Plot"
            )
        }
    )
    ```

    이를 사용하여 임의의 두 차원에 대한 곡선을 기록할 수 있습니다. 두 값 목록을 서로 플로팅하는 경우 목록의 값 수는 정확히 일치해야 합니다. 예를 들어 각 점에는 x와 y가 있어야 합니다.

    <Frame>
      <img src="https://mintcdn.com/wb-21fd5541-feat-cli-docs-generator/eOX8cMLXwUE2-C1_/images/track/line_plot.png?fit=max&auto=format&n=eOX8cMLXwUE2-C1_&q=85&s=e3487421a83e6b5772c9114b819bd7a7" width="1930" height="1228" data-path="images/track/line_plot.png" />
    </Frame>

    [앱에서 보기](https://wandb.ai/wandb/plots/reports/Custom-Line-Plots--VmlldzoyNjk5NTA)

    [코드 실행](https://tiny.cc/custom-charts)
  </Tab>

  <Tab title="Scatter">
    `wandb.plot.scatter()`

    임의의 축 x 및 y 쌍에 대한 점 (x, y) 목록인 사용자 정의 스캐터 플롯을 기록합니다.

    ```python theme={null}
    data = [[x, y] for (x, y) in zip(class_x_scores, class_y_scores)]
    table = wandb.Table(data=data, columns=["class_x", "class_y"])
    wandb.log({"my_custom_id": wandb.plot.scatter(table, "class_x", "class_y")})
    ```

    이를 사용하여 임의의 두 차원에 대한 스캐터 점을 기록할 수 있습니다. 두 값 목록을 서로 플로팅하는 경우 목록의 값 수는 정확히 일치해야 합니다. 예를 들어 각 점에는 x와 y가 있어야 합니다.

    <Frame>
      <img src="https://mintcdn.com/wb-21fd5541-feat-cli-docs-generator/eOX8cMLXwUE2-C1_/images/track/demo_scatter_plot.png?fit=max&auto=format&n=eOX8cMLXwUE2-C1_&q=85&s=92a9df88183edaa38a58fb08e440e449" width="2194" height="940" data-path="images/track/demo_scatter_plot.png" />
    </Frame>

    [앱에서 보기](https://wandb.ai/wandb/plots/reports/Custom-Scatter-Plots--VmlldzoyNjk5NDQ)

    [코드 실행](https://tiny.cc/custom-charts)
  </Tab>

  <Tab title="Bar">
    `wandb.plot.bar()`

    몇 줄의 코드로 레이블이 지정된 값 목록을 막대로 표시하는 사용자 정의 막대 차트를 기본적으로 기록합니다.

    ```python theme={null}
    data = [[label, val] for (label, val) in zip(labels, values)]
    table = wandb.Table(data=data, columns=["label", "value"])
    wandb.log(
        {
            "my_bar_chart_id": wandb.plot.bar(
                table, "label", "value", title="Custom Bar Chart"
            )
        }
    )
    ```

    이를 사용하여 임의의 막대 차트를 기록할 수 있습니다. 목록의 레이블과 값 수는 정확히 일치해야 합니다. 각 데이터 포인트에는 레이블과 값이 모두 있어야 합니다.

    <Frame>
      <img src="https://mintcdn.com/wb-21fd5541-feat-cli-docs-generator/H38wUKSUimeO8IEX/images/track/basic_charts_bar.png?fit=max&auto=format&n=H38wUKSUimeO8IEX&q=85&s=41134850bc4be7bdef12d9006276de2c" width="1286" height="552" data-path="images/track/basic_charts_bar.png" />
    </Frame>

    [앱에서 보기](https://wandb.ai/wandb/plots/reports/Custom-Bar-Charts--VmlldzoyNzExNzk)

    [코드 실행](https://tiny.cc/custom-charts)
  </Tab>

  <Tab title="Histogram">
    `wandb.plot.histogram()`

    몇 줄의 코드로 값 목록을 발생 횟수/빈도별로 bin으로 정렬하는 사용자 정의 히스토그램을 기본적으로 기록합니다. 예측 신뢰도 점수 목록 (`scores`)이 있고 분포를 시각화하고 싶다고 가정해 보겠습니다.

    ```python theme={null}
    data = [[s] for s in scores]
    table = wandb.Table(data=data, columns=["scores"])
    wandb.log({"my_histogram": wandb.plot.histogram(table, "scores", title="Histogram")})
    ```

    이를 사용하여 임의의 히스토그램을 기록할 수 있습니다. `data`는 행과 열의 2D 배열을 지원하기 위한 목록의 목록입니다.

    <Frame>
      <img src="https://mintcdn.com/wb-21fd5541-feat-cli-docs-generator/H38wUKSUimeO8IEX/images/track/demo_custom_chart_histogram.png?fit=max&auto=format&n=H38wUKSUimeO8IEX&q=85&s=6ba74fe2e88ee8e5ee53bf5e58de5207" width="1252" height="558" data-path="images/track/demo_custom_chart_histogram.png" />
    </Frame>

    [앱에서 보기](https://wandb.ai/wandb/plots/reports/Custom-Histograms--VmlldzoyNzE0NzM)

    [코드 실행](https://tiny.cc/custom-charts)
  </Tab>

  <Tab title="Multi-line">
    `wandb.plot.line_series()`

    하나의 공유된 x-y 축 집합에 여러 라인 또는 여러 x-y 좌표 쌍 목록을 플로팅합니다.

    ```python theme={null}
    wandb.log(
        {
            "my_custom_id": wandb.plot.line_series(
                xs=[0, 1, 2, 3, 4],
                ys=[[10, 20, 30, 40, 50], [0.5, 11, 72, 3, 41]],
                keys=["metric Y", "metric Z"],
                title="Two Random Metrics",
                xname="x units",
            )
        }
    )
    ```

    x 및 y 점의 수는 정확히 일치해야 합니다. y 값의 여러 목록과 일치시키기 위해 x 값 목록 하나를 제공하거나 y 값의 각 목록에 대해 별도의 x 값 목록을 제공할 수 있습니다.

    <Frame>
      <img src="https://mintcdn.com/wb-21fd5541-feat-cli-docs-generator/H38wUKSUimeO8IEX/images/track/basic_charts_histogram.png?fit=max&auto=format&n=H38wUKSUimeO8IEX&q=85&s=9f7abf66cf8c88e5321a14b851bfd14a" width="537" height="339" data-path="images/track/basic_charts_histogram.png" />
    </Frame>

    [앱에서 보기](https://wandb.ai/wandb/plots/reports/Custom-Multi-Line-Plots--VmlldzozOTMwMjU)
  </Tab>
</Tabs>

### 모델 평가 차트

이러한 사전 설정 차트에는 스크립트에서 직접 차트를 빠르게 쉽게 기록하고 UI에서 찾고 있는 정확한 정보를 볼 수 있도록 하는 기본 제공 `wandb.plot` 메소드가 있습니다.

<Tabs>
  <Tab title="Precision-recall curves">
    `wandb.plot.pr_curve()`

    한 줄로 [Precision-Recall curve](https://scikit-learn.org/stable/modules/generated/sklearn.metrics.precision_recall_curve.html#sklearn.metrics.precision_recall_curve)를 만듭니다.

    ```python theme={null}
    wandb.log({"pr": wandb.plot.pr_curve(ground_truth, predictions)})
    ```

    코드가 다음에 엑세스할 수 있을 때마다 이를 기록할 수 있습니다.

    * 예제 집합에 대한 모델의 예측 점수 (`predictions`)
    * 해당 예제에 대한 해당 그라운드 트루스 레이블 (`ground_truth`)
    * (선택 사항) 레이블/클래스 이름 목록 (`labels=["cat", "dog", "bird"...]` 레이블 인덱스 0이 cat, 1 = dog, 2 = bird 등을 의미하는 경우)
    * (선택 사항) 플롯에서 시각화할 레이블의 서브셋 (여전히 목록 형식)

    <Frame>
      <img src="https://mintcdn.com/wb-21fd5541-feat-cli-docs-generator/eOX8cMLXwUE2-C1_/images/track/model_eval_charts_precision_recall.png?fit=max&auto=format&n=eOX8cMLXwUE2-C1_&q=85&s=6acd3605490d915fa2110437497af130" width="657" height="431" data-path="images/track/model_eval_charts_precision_recall.png" />
    </Frame>

    [앱에서 보기](https://wandb.ai/wandb/plots/reports/Plot-Precision-Recall-Curves--VmlldzoyNjk1ODY)

    [코드 실행](https://colab.research.google.com/drive/1mS8ogA3LcZWOXchfJoMrboW3opY1A8BY?usp=sharing)
  </Tab>

  <Tab title="ROC curves">
    `wandb.plot.roc_curve()`

    한 줄로 [ROC curve](https://scikit-learn.org/stable/modules/generated/sklearn.metrics.roc_curve.html#sklearn.metrics.roc_curve)를 만듭니다.

    ```python theme={null}
    wandb.log({"roc": wandb.plot.roc_curve(ground_truth, predictions)})
    ```

    코드가 다음에 엑세스할 수 있을 때마다 이를 기록할 수 있습니다.

    * 예제 집합에 대한 모델의 예측 점수 (`predictions`)
    * 해당 예제에 대한 해당 그라운드 트루스 레이블 (`ground_truth`)
    * (선택 사항) 레이블/클래스 이름 목록 (`labels=["cat", "dog", "bird"...]` 레이블 인덱스 0이 cat, 1 = dog, 2 = bird 등을 의미하는 경우)
    * (선택 사항) 플롯에서 시각화할 이러한 레이블의 서브셋 (여전히 목록 형식)

    <Frame>
      <img src="https://mintcdn.com/wb-21fd5541-feat-cli-docs-generator/H38wUKSUimeO8IEX/images/track/demo_custom_chart_roc_curve.png?fit=max&auto=format&n=H38wUKSUimeO8IEX&q=85&s=c970b2f65edae63eb560c674108efe81" width="1338" height="788" data-path="images/track/demo_custom_chart_roc_curve.png" />
    </Frame>

    [앱에서 보기](https://wandb.ai/wandb/plots/reports/Plot-ROC-Curves--VmlldzoyNjk3MDE)

    [코드 실행](https://colab.research.google.com/github/wandb/examples/blob/master/colabs/wandb-log/Plot_ROC_Curves_with_W%26B.ipynb)
  </Tab>

  <Tab title="Confusion matrix">
    `wandb.plot.confusion_matrix()`

    한 줄로 다중 클래스 [confusion matrix](https://scikit-learn.org/stable/auto_examples/model_selection/plot_confusion_matrix.html)를 만듭니다.

    ```python theme={null}
    cm = wandb.plot.confusion_matrix(
        y_true=ground_truth, preds=predictions, class_names=class_names
    )

    wandb.log({"conf_mat": cm})
    ```

    코드가 다음에 엑세스할 수 있을 때마다 이를 기록할 수 있습니다.

    * 예제 집합에 대한 모델의 예측 레이블 (`preds`) 또는 정규화된 확률 점수 (`probs`). 확률은 (예제 수, 클래스 수) 모양이어야 합니다. 확률 또는 예측값 중 하나를 제공할 수 있지만 둘 다 제공할 수는 없습니다.
    * 해당 예제에 대한 해당 그라운드 트루스 레이블 (`y_true`)
    * `class_names` 문자열로 된 레이블/클래스 이름의 전체 목록. 예: `class_names=["cat", "dog", "bird"]` 인덱스 0이 `cat`, 1이 `dog`, 2가 `bird`인 경우

    <Frame>
      <img src="https://mintcdn.com/wb-21fd5541-feat-cli-docs-generator/z30ndE1lYRi8WMuv/images/experiments/confusion_matrix.png?fit=max&auto=format&n=z30ndE1lYRi8WMuv&q=85&s=4ba175d548b9ffd8a862d407b98deb90" width="1070" height="422" data-path="images/experiments/confusion_matrix.png" />
    </Frame>

    [앱에서 보기](https://wandb.ai/wandb/plots/reports/Confusion-Matrix--VmlldzozMDg1NTM)

    [코드 실행](https://colab.research.google.com/github/wandb/examples/blob/master/colabs/wandb-log/Log_a_Confusion_Matrix_with_W%26B.ipynb)
  </Tab>
</Tabs>

### 인터랙티브 사용자 정의 차트

전체 사용자 정의를 위해 기본 제공 [사용자 정의 차트 사전 설정](/ko/models/app/features/custom-charts/walkthrough/)을 조정하거나 새 사전 설정을 만든 다음 차트를 저장합니다. 차트 ID를 사용하여 스크립트에서 직접 해당 사용자 정의 사전 설정에 데이터를 기록합니다.

```python theme={null}
# 플로팅할 열이 있는 테이블을 만듭니다.
table = wandb.Table(data=data, columns=["step", "height"])

# 테이블의 열에서 차트의 필드로 매핑합니다.
fields = {"x": "step", "value": "height"}

# 테이블을 사용하여 새 사용자 정의 차트 사전 설정을 채웁니다.
# 자신의 저장된 차트 사전 설정을 사용하려면 vega_spec_name을 변경하십시오.
# 제목을 편집하려면 string_fields를 변경하십시오.
my_custom_chart = wandb.plot_table(
    vega_spec_name="carey/new_chart",
    data_table=table,
    fields=fields,
    string_fields={"title": "Height Histogram"},
)
```

[코드 실행](https://tiny.cc/custom-charts)

### Matplotlib 및 Plotly 플롯

`wandb.plot`으로 W\&B [사용자 정의 차트](/ko/models/app/features/custom-charts/walkthrough/)를 사용하는 대신 [matplotlib](https://matplotlib.org/) 및 [Plotly](https://plotly.com/)로 생성된 차트를 기록할 수 있습니다.

```python theme={null}
import matplotlib.pyplot as plt

plt.plot([1, 2, 3, 4])
plt.ylabel("some interesting numbers")
wandb.log({"chart": plt})
```

`matplotlib` 플롯 또는 그림 오브젝트를 `wandb.log()`에 전달하기만 하면 됩니다. 기본적으로 플롯을 [Plotly](https://plot.ly/) 플롯으로 변환합니다. 플롯을 이미지로 기록하려면 플롯을 `wandb.Image`에 전달할 수 있습니다. Plotly 차트도 직접 허용합니다.

<Note>
  오류 "빈 플롯을 기록하려고 했습니다"가 발생하면 `fig = plt.figure()`로 플롯과 별도로 그림을 저장한 다음 `wandb.log` 호출에서 `fig`를 기록할 수 있습니다.
</Note>

### W\&B Tables에 사용자 정의 HTML 로그

W\&B는 Plotly 및 Bokeh의 인터랙티브 차트를 HTML로 기록하고 이를 Tables에 추가하는 것을 지원합니다.

#### Plotly 그림을 HTML로 Tables에 로그

HTML로 변환하여 인터랙티브 Plotly 차트를 wandb Tables에 기록할 수 있습니다.

```python theme={null}
import wandb
import plotly.express as px

# 새 run 초기화
run = wandb.init(project="log-plotly-fig-tables", name="plotly_html")

# 테이블 만들기
table = wandb.Table(columns=["plotly_figure"])

# Plotly 그림에 대한 경로 만들기
path_to_plotly_html = "./plotly_figure.html"

# Plotly 그림 예제
fig = px.scatter(x=[0, 1, 2, 3, 4], y=[0, 1, 4, 9, 16])

# Plotly 그림을 HTML에 쓰기
# auto_play를 False로 설정하면 테이블에서 애니메이션 Plotly 차트가 자동으로 재생되지 않습니다.
fig.write_html(path_to_plotly_html, auto_play=False)

# Plotly 그림을 HTML 파일로 테이블에 추가
table.add_data(wandb.Html(path_to_plotly_html))

# 테이블 로그
run.log({"test_table": table})
wandb.finish()
```

#### Bokeh 그림을 HTML로 Tables에 로그

HTML로 변환하여 인터랙티브 Bokeh 차트를 wandb Tables에 기록할 수 있습니다.

```python theme={null}
from scipy.signal import spectrogram
import holoviews as hv
import panel as pn
from scipy.io import wavfile
import numpy as np
from bokeh.resources import INLINE

hv.extension("bokeh", logo=False)
import wandb


def save_audio_with_bokeh_plot_to_html(audio_path, html_file_name):
    sr, wav_data = wavfile.read(audio_path)
    duration = len(wav_data) / sr
    f, t, sxx = spectrogram(wav_data, sr)
    spec_gram = hv.Image((t, f, np.log10(sxx)), ["Time (s)", "Frequency (hz)"]).opts(
        width=500, height=150, labelled=[]
    )
    audio = pn.pane.Audio(wav_data, sample_rate=sr, name="Audio", throttle=500)
    slider = pn.widgets.FloatSlider(end=duration, visible=False)
    line = hv.VLine(0).opts(color="white")
    slider.jslink(audio, value="time", bidirectional=True)
    slider.jslink(line, value="glyph.location")
    combined = pn.Row(audio, spec_gram * line, slider).save(html_file_name)


html_file_name = "audio_with_plot.html"
audio_path = "hello.wav"
save_audio_with_bokeh_plot_to_html(audio_path, html_file_name)

wandb_html = wandb.Html(html_file_name)
run = wandb.init(project="audio_test")
my_table = wandb.Table(columns=["audio_with_plot"], data=[[wandb_html], [wandb_html]])
run.log({"audio_table": my_table})
run.finish()
```