> ## Documentation Index
> Fetch the complete documentation index at: https://wb-21fd5541-sdk-testing-latest.mintlify.site/llms.txt
> Use this file to discover all available pages before exploring further.
# Image
export const GitHubLink = ({url}) =>
GitHub 소스 코드
;
## 클래스 `Image`
W\&B에 이미지를 로깅하는 클래스입니다.
### 방법 `Image.__init__`
```python theme={null}
__init__(
data_or_path: 'ImageDataOrPathType',
mode: 'str | None' = None,
caption: 'str | None' = None,
grouping: 'int | None' = None,
classes: 'Classes | Sequence[dict] | None' = None,
boxes: 'dict[str, BoundingBoxes2D] | dict[str, dict] | None' = None,
masks: 'dict[str, ImageMask] | dict[str, dict] | None' = None,
file_type: 'str | None' = None,
normalize: 'bool' = True
) → None
```
`wandb.Image` 객체를 초기화합니다.
이 클래스는 다양한 이미지 데이터 형식을 처리하며, 필요할 때 픽셀 값을 자동으로 \[0, 255] 범위로 정규화해 W\&B 백엔드와의 호환성을 보장합니다.
* \[0, 1] 범위의 데이터는 255를 곱한 후 uint8로 변환됩니다 \_ \[-1, 1] 범위의 데이터는
-1을 0으로, 1을 255로 매핑해 \[-1, 1]에서 \[0, 255]로 재조정한 후 uint8로 변환됩니다 \_ \[-1, 1] 범위를 벗어나지만 \[0, 255] 범위에는 속하지 않는 데이터는 \[0, 255]로 클리핑한 후 uint8로 변환됩니다(\[0, 255] 범위를 벗어난 값이 있으면 경고가 표시됨) \* 이미 \[0, 255] 범위에 있는 데이터는 수정 없이 uint8로 변환됩니다
**매개변수:**
* `data_or_path`: 이미지 데이터의 NumPy 배열/pytorch 텐서, PIL 이미지 객체 또는 이미지 파일 경로를 받습니다. NumPy 배열 또는 pytorch 텐서가 제공되면 이미지 데이터는 지정한 파일 유형으로 저장됩니다. 값이 \[0, 255] 범위에 없거나 모든 값이 \[0, 1] 범위에 있으면 `normalize`가 `False`로 설정되지 않은 한 이미지 픽셀 값은 \[0, 255] 범위로 정규화됩니다.
* pytorch 텐서는 (channel, height, width) 형식이어야 합니다
* NumPy 배열은 (height, width, channel) 형식이어야 합니다
* `mode`: 이미지의 PIL 모드입니다. 가장 일반적인 값은 "L", "RGB", "RGBA"입니다.
* `Full Pillow docs for more information https`: //pillow\.readthedocs.io/en/stable/handbook/concepts.html#modes
* `caption`: 이미지 표시에 사용할 레이블입니다.
* `grouping`: 이미지의 그룹 번호입니다.
* `classes`: 이미지의 클래스 정보 목록으로, 바운딩 박스와 이미지 마스크의 레이블 지정에 사용됩니다.
* `boxes`: 이미지의 바운딩 박스 정보가 들어 있는 딕셔너리입니다.
* `see https`: //docs.wandb.ai/models/ref/python/data-types/boundingboxes2d
* `masks`: 이미지의 마스크 정보가 들어 있는 딕셔너리입니다.
* `see https`: //docs.wandb.ai/models/ref/python/data-types/imagemask
* `file_type`: 이미지를 저장할 파일 유형입니다. `data_or_path`가 이미지 파일 경로인 경우 이 매개변수는 적용되지 않습니다.
* `normalize`: `True`이면 이미지 픽셀 값을 \[0, 255] 범위로 정규화합니다. 정규화는 `data_or_path`가 numpy 배열 또는 pytorch 텐서인 경우에만 적용됩니다.
**예제:**
numpy 배열에서 wandb.Image 만들기
```python theme={null}
import numpy as np
import wandb
with wandb.init() as run:
examples = []
for i in range(3):
pixels = np.random.randint(low=0, high=256, size=(100, 100, 3))
image = wandb.Image(pixels, caption=f"random field {i}")
examples.append(image)
run.log({"examples": examples})
```
PILImage로부터 wandb.Image를 생성합니다
```python theme={null}
import numpy as np
from PIL import Image as PILImage
import wandb
with wandb.init() as run:
examples = []
for i in range(3):
pixels = np.random.randint(
low=0, high=256, size=(100, 100, 3), dtype=np.uint8
)
pil_image = PILImage.fromarray(pixels, mode="RGB")
image = wandb.Image(pil_image, caption=f"random field {i}")
examples.append(image)
run.log({"examples": examples})
```
기본값(.png) 대신 .jpg로 로깅
```python theme={null}
import numpy as np
import wandb
with wandb.init() as run:
examples = []
for i in range(3):
pixels = np.random.randint(low=0, high=256, size=(100, 100, 3))
image = wandb.Image(
pixels, caption=f"random field {i}", file_type="jpg"
)
examples.append(image)
run.log({"examples": examples})
```
***
### 속성 Image.image
***