용어집

Weights & Biases

Weights & Biases 으로 머신 러닝 워크플로우를 간소화하세요. 실험을 추적, 시각화 및 협업하여 더 빠르고 재현 가능한 AI 개발을 위해 실험을 진행하세요.

YOLO 모델을 Ultralytics HUB로 간단히
훈련

자세히 알아보기

Weights & Biases (W&B)는 실험 추적, 데이터 및 모델 버전 관리, 협업을 위한 도구를 제공하여 머신 러닝 워크플로우를 간소화하도록 설계된 플랫폼입니다. 머신 러닝 운영(MLOps)의 중앙 허브 역할을 하며, 개인과 팀이 다음과 같은 AI 모델 개발 및 배포의 복잡성을 관리할 수 있도록 지원합니다. Ultralytics YOLO 모델. 모델 성능, 실험의 재현성, AI 개발 라이프사이클의 전반적인 효율성을 더 잘 이해할 수 있도록 도와줍니다.

Weights & Biases 무엇인가요?

Weights & Biases 머신 러닝 실무자의 생산성 향상을 목표로 하는 종합적인 MLOps 플랫폼입니다. 데이터 세트, 하이퍼파라미터, 정확도손실과 같은 학습 지표, 코드 버전, 결과 모델 가중치 등 ML 실험의 모든 구성 요소를 체계적으로 기록, 추적, 시각화할 수 있는 방법을 제공합니다. W&B는 명확하고 체계적인 대시보드를 제공함으로써 다양한 실험 실행을 비교하고, 모델을 디버깅하고, 공동 작업자와 결과를 공유하는 프로세스를 간소화합니다. 다음과 같이 널리 사용되는 프레임워크와 원활하게 통합됩니다. PyTorchTensorFlow와 같은 인기 있는 프레임워크와 원활하게 통합되어 다양한 AI 프로젝트에 적용할 수 있습니다. 이 플랫폼은 모델이 훈련 중에 조정하는 학습 가능한 매개변수를 나타내는 신경망(NN) 내의 '가중치' 및 '편향' 개념과는 구별됩니다. W&B는 이러한 매개변수를 최적화하는 실험을 추적하는 데 사용되는 도구입니다. 문서에서 Ultralytics W&B를 통합하는 방법에 대해 자세히 알아볼 수 있습니다.

주요 기능 Weights & Biases

Weights & Biases ML 수명 주기를 지원하는 여러 기능을 제공합니다:

  • 실험 추적: 모델 학습 중에 메트릭, 하이퍼파라미터, 구성 파일, 출력 시각화를 자동으로 기록합니다. 이를 통해 실행 간에 쉽게 비교할 수 있으며 가장 성능이 좋은 모델을 식별하는 데 도움이 됩니다.
  • 하이퍼파라미터 스윕: 최적의 파라미터 세트를 찾기 위한 검색 전략(그리드 검색, 무작위 검색 또는 베이지안 최적화 등)을 정의하여 하이퍼파라미터 튜닝 프로세스를 자동화합니다.
  • 데이터 및 모델 버전 관리(아티팩트): 실험과 함께 데이터 세트 및 모델 버전을 추적하여 재현성을 보장하고 데이터에서 모델까지 명확한 계보를 제공합니다. 이는 모델 배포의 일관성을 유지하는 데 매우 중요합니다.
  • 시각화 도구: 대화형 플롯과 대시보드를 생성하여 모델 성능을 시각화하고, 실행을 비교하고, 시스템 메트릭을 분석합니다( GPU 사용량 등), 예측이 오버레이된 이미지나 동영상과 같은 미디어를 볼 수 있습니다.
  • 공동 작업 기능(보고서): 코드, 시각화, 텍스트를 결합한 동적 보고서를 만들어 팀원 또는 더 넓은 커뮤니티와 인사이트를 공유하고 결과를 문서화할 수 있습니다.
  • 리소스 모니터링: 훈련 중 CPU, GPU, 메모리, 네트워크 I/O 등의 연산 리소스 사용량을 추적하여 잠재적인 병목 현상을 파악합니다.

실제 적용 사례 Weights & Biases

Weights & Biases 머신러닝 개발 프로세스를 개선하기 위해 다양한 산업 분야에서 널리 사용되고 있습니다.

예시 1: 자율 주행 차량 개발

자율주행 차량용 인식 시스템을 개발하는 팀은 W&B를 사용하여 필요한 방대한 수의 실험을 관리합니다. 이들은 다양한 주행 조건(낮, 밤, 비)을 나타내는 다양한 데이터 세트에서 학습된 물체 감지 모델의 평균 평균 정밀도(mAP) 와 같은 성능 지표를 추적합니다. W&B를 사용하면 다양한 아키텍처(예: YOLOv8 YOLOv9 비교), 하이퍼파라미터 또는 데이터 증강 전략으로 학습된 모델을 비교하고 테스트 이미지의 바운딩 박스 같은 결과를 시각화하여 배포 전에 견고성과 안전성을 보장할 수 있습니다.

예 2: 의료 이미지 분석

의료 분야에서 CT 스캔에서 종양을 감지하거나 장기를 분할하는 등 의료 이미지 분석을 위한 AI를 개발하는 연구자들은 W&B를 사용합니다. 이들은 다양한 훈련 기간에 걸쳐 이미지 분할 작업에 대한 주사위 점수와 같은 메트릭을 추적합니다. W&B는 민감한 데이터가 포함된 실험을 관리하고, 규제 준수(예: FDA 가이드라인)를 위한 모델 버전을 추적하며, 이미지의 분할 마스크를 시각화하여 모델 정확도를 평가함으로써 궁극적으로 신뢰할 수 있는 진단 도구의 개발을 지원합니다. 의료 영상에서 Ultralytics YOLO 모델이 어떻게 사용되는지 살펴보세요.

추적 및 시각화를 위한 강력한 도구를 제공하는 Weights & Biases 연구부터 생산에 이르기까지 머신 러닝 프로젝트의 효율성과 신뢰성을 크게 향상시킵니다. 실험 추적 기능을 통합하는 Ultralytics HUB를 사용하여 자체 프로젝트를 관리할 수 있습니다.

모두 보기