Weights & Biases 으로 머신 러닝 워크플로우를 간소화하세요. 실험을 추적, 시각화 및 협업하여 더 빠르고 재현 가능한 AI 개발을 위해 실험을 진행하세요.
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 머신 러닝 실무자의 생산성 향상을 목표로 하는 종합적인 MLOps 플랫폼입니다. 데이터 세트, 하이퍼파라미터, 정확도 및 손실과 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. PyTorch 및 TensorFlow와 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.
Weights & Biases ML 수명 주기를 지원하는 여러 기능을 제공합니다:
Weights & Biases 머신러닝 개발 프로세스를 개선하기 위해 다양한 산업 분야에서 널리 사용되고 있습니다.
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.
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.