TensorBoard

TensorBoard 로그를 클라우드에 업로드하고, 동료 및 급우들 사이에서 결과를 빠르게 공유하고, 분석을 한 곳에서 중앙 집중식으로 관리하세요.

시작하기

import wandb

# `sync_tensorboard=True`로 wandb run을 시작합니다.
wandb.init(project="my-project", sync_tensorboard=True)

# TensorBoard를 사용하는 트레이닝 코드
...

# [선택 사항] W&B에 tensorboard 로그를 업로드하기 위해 wandb run을 완료합니다(노트북에서 실행하는 경우).
wandb.finish()

예시를 검토하세요.

run이 완료되면 W&B에서 TensorBoard 이벤트 파일에 엑세스할 수 있으며 시스템의 CPU 또는 GPU 사용률, git 상태, run에서 사용한 터미널 코맨드 등과 같은 추가 유용한 정보와 함께 기본 W&B 차트에서 메트릭을 시각화할 수 있습니다.

자주 묻는 질문

TensorBoard에 기록되지 않은 메트릭을 W&B에 어떻게 기록할 수 있습니까?

TensorBoard에 기록되지 않은 추가 사용자 정의 메트릭을 기록해야 하는 경우 코드에서 wandb.log를 호출할 수 있습니다. wandb.log({"custom": 0.8})

Tensorboard를 동기화할 때 wandb.log에서 step 인수를 설정하는 기능은 꺼져 있습니다. 다른 step 카운트를 설정하려면 다음과 같이 step 메트릭으로 메트릭을 기록할 수 있습니다.

wandb.log({"custom": 0.8, "global_step": global_step})

wandb와 함께 Tensorboard를 사용할 때 Tensorboard를 어떻게 구성합니까?

TensorBoard 패치 방법을 보다 세밀하게 제어하려면 wandb.init에 sync_tensorboard=True를 전달하는 대신 wandb.tensorboard.patch를 호출할 수 있습니다.

import wandb

wandb.tensorboard.patch(root_logdir="<logging_directory>")
wandb.init()

# W&B에 tensorboard 로그를 업로드하기 위해 wandb run을 완료합니다(노트북에서 실행하는 경우).
wandb.finish()

TensorBoard > 1.14를 PyTorch와 함께 사용하는 경우 vanilla TensorBoard가 패치되었는지 확인하려면 tensorboard_x=False를 이 메소드에 전달하고, 패치되었는지 확인하려면 pytorch=True를 전달할 수 있습니다. 이러한 옵션은 모두 이러한 라이브러리의 버전에 따라 스마트 기본값을 갖습니다.

기본적으로 tfevents 파일과 모든 .pbtxt 파일도 동기화합니다. 이를 통해 사용자를 대신하여 TensorBoard 인스턴스를 시작할 수 있습니다. run 페이지에 TensorBoard 탭이 표시됩니다. 이 동작은 wandb.tensorboard.patch에 save=False를 전달하여 끌 수 있습니다.

import wandb

wandb.init()
wandb.tensorboard.patch(save=False, tensorboard_x=True)

# 노트북에서 실행하는 경우 W&B에 tensorboard 로그를 업로드하기 위해 wandb run을 완료합니다.
wandb.finish()

이전 TensorBoard run을 어떻게 동기화합니까?

로컬에 저장된 기존 tfevents 파일이 있고 이를 W&B로 가져오려면 wandb sync log_dir을 실행합니다. 여기서 log_dir은 tfevents 파일이 포함된 로컬 디렉토리입니다.

Google Colab 또는 Jupyter를 TensorBoard와 함께 어떻게 사용합니까?

Jupyter 또는 Colab 노트북에서 코드를 실행하는 경우 트레이닝이 끝나면 wandb.finish()를 호출해야 합니다. 이렇게 하면 wandb run이 완료되고 tensorboard 로그가 W&B에 업로드되어 시각화할 수 있습니다. .py 스크립트가 완료되면 wandb가 자동으로 완료되므로 이는 필요하지 않습니다.

노트북 환경에서 셸 코맨드를 실행하려면 !wandb sync directoryname과 같이 !를 앞에 붙여야 합니다.

PyTorch를 TensorBoard와 함께 어떻게 사용합니까?

PyTorch의 TensorBoard 인테그레이션을 사용하는 경우 PyTorch Profiler JSON 파일을 수동으로 업로드해야 할 수 있습니다.

wandb.save(glob.glob(f"runs/*.pt.trace.json")[0], base_path=f"runs")