메인 콘텐츠로 건너뛰기
이 튜토리얼에서는 Hugging Face Transformers용 W&B 인테그레이션을 사용해 모델을 파인튜닝하는 동안 트레이닝 및 평가 메트릭, 하이퍼파라미터, 시스템 지표를 자동으로 추적하는 방법을 보여줍니다. 이 튜토리얼을 따라 하면 W&B 대시보드에서 모델 성능을 시각화하여 실험을 비교하고, 확신을 가지고 모델을 반복 개선하는 방법을 익힐 수 있습니다. 하이퍼파라미터, 출력 메트릭, GPU 사용량 등의 시스템 지표를 여러 모델 간에 비교하세요.

W&B를 사용하는 이유

W&B 사용의 이점
  • 통합 대시보드: 모든 모델 메트릭과 예측을 한곳에서 관리할 수 있습니다.
  • 경량: Hugging Face와 통합하는 데 코드 변경이 필요하지 않습니다.
  • 접근성: 개인과 학술 팀은 무료로 사용할 수 있습니다.
  • 보안: 모든 프로젝트는 기본적으로 비공개입니다.
  • 신뢰성: OpenAI, Toyota, Lyft 등 여러 머신 러닝 팀에서 사용합니다.
W&B는 머신 러닝 모델을 위한 GitHub와 같습니다. 머신 러닝 실험을 비공개 호스팅 대시보드에 저장하세요. 스크립트를 어디서 실행하든 W&B가 모델의 모든 버전을 저장하므로 안심하고 실험할 수 있습니다. W&B의 경량 인테그레이션은 모든 Python 스크립트에서 작동합니다. 무료 W&B 계정에 가입하여 모델 추적과 시각화를 시작하세요. Hugging Face Transformers 저장소에서 W&B는 Trainer에 계측을 적용해 각 로깅 단계마다 트레이닝 및 평가 메트릭을 W&B에 자동으로 기록합니다. 인테그레이션이 작동하는 방식을 자세히 알아보려면 다음을 확인하세요. Hugging Face + W&B Report.

설치, 임포트 및 로그인

이 섹션에서는 튜토리얼을 실행하는 데 필요한 환경을 설정합니다. Hugging Face 및 W&B 라이브러리를 설치하고, 이 튜토리얼에 필요한 GLUE 데이터셋과 트레이닝 스크립트를 다운로드하세요:
계속하기 전에 무료 계정에 가입하세요. run 데이터를 W&B 대시보드로 전송하려면 계정이 필요합니다.

API 키 추가

API 키로 인증하면 이 노트북이 W&B 계정에 연결되어 Runs가 프로젝트에 로깅됩니다. 가입한 후 다음 셀을 실행하고 링크를 클릭해 API 키를 조회한 다음 이 노트북을 인증하세요.
원하는 경우 환경 변수를 설정해 트레이닝 중 W&B가 기록할 내용을 사용자 지정할 수 있습니다. 예를 들어 WANDB_WATCH=all로 설정하면 그라디언트와 파라미터를 모두 기록할 수 있습니다. 전체 옵션 목록은 Hugging Face 인테그레이션 가이드를 참조하세요.

모델 학습

환경 구성을 완료하고 인증도 마쳤다면, 이제 트레이닝 run을 시작할 준비가 되었습니다. 다운로드한 트레이닝 스크립트 run_glue.py를 실행하면 학습 과정이 자동으로 W&B 대시보드에 기록되는 것을 확인할 수 있습니다. 이 스크립트는 BERT를 Microsoft Research Paraphrase Corpus(두 문장이 의미적으로 동등한지 여부를 사람이 주석으로 표시해 둔 문장 쌍 데이터셋)로 파인튜닝합니다.

대시보드에서 결과 시각화하기

트레이닝이 시작되면 메트릭을 실시간으로 모니터링할 수 있습니다. 이전 셀에서 출력된 링크를 클릭하거나 wandb.ai로 이동해 실시간으로 스트리밍되는 결과를 확인하세요. 브라우저에서 run을 확인할 수 있는 링크는 모든 의존성이 로드된 다음에 표시됩니다. 다음과 같은 출력을 찾으세요: “wandb: View run at [URL to your unique run]“

모델 성능 시각화

실험 전반을 한눈에 살펴보고, 결과를 확대해서 확인하며, 고차원 데이터를 시각화할 수 있습니다.
모델 메트릭 대시보드

아키텍처 비교

다음은 BERT versus DistilBERT를 비교한 예시입니다. 자동 선 그래프 시각화는 서로 다른 아키텍처가 트레이닝 전반에 걸쳐 평가 정확도에 어떤 영향을 미치는지 보여줍니다.
BERT versus DistilBERT 비교

기본적으로 주요 정보를 추적합니다

이 섹션에서는 추가 설정 없이도 대시보드에서 어떤 데이터를 확인할 수 있는지 알 수 있도록 W&B가 자동으로 수집하는 정보를 설명합니다. W&B는 각 실험에 대해 새 run을 저장합니다. 다음은 기본적으로 저장되는 정보입니다.
  • 하이퍼파라미터: W&B는 모델의 설정을 Config에 저장합니다.
  • 모델 메트릭: W&B는 Log로 스트리밍되는 메트릭의 시계열 데이터를 저장합니다.
  • 터미널 로그: W&B는 명령줄 출력을 저장하고 탭에서 확인할 수 있게 합니다.
  • 시스템 메트릭: GPU 및 CPU 사용량, 메모리, 온도.

더 알아보기