> ## 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.
# 모델 로깅하기
> SDK의 log_model 및 use_model 방법을 사용해 모델 artifact를 W&B run에 로깅하고 나중에 조회합니다.
export const ColabLink = ({url}) =>
Colab에서 사용해 보기
;
# 모델 로깅하기
다음 가이드에서는 W\&B run에 모델을 로깅하고 모델과 상호작용하는 방법을 설명합니다.
다음 API는 실험 추적 워크플로의 일부로 모델을 추적하는 데 유용합니다. 이 페이지에 나열된 API를 사용해 모델을 run에 로깅하고 메트릭, Tables, 미디어 및 기타 객체에 액세스하세요.
다음과 같은 작업을 하려면 [W\&B Artifacts](/ko/models/artifacts/)를 사용하는 것이 좋습니다:
* 데이터셋, 프롬프트 등 모델 외의 직렬화된 데이터에 대해 여러 버전을 생성하고 추적합니다.
* 모델 또는 W\&B에서 추적하는 다른 객체의 [리니지 그래프](/ko/models/artifacts/explore-and-traverse-an-artifact-graph/)를 탐색합니다.
* 이러한 방법으로 생성된 모델 artifact와 상호작용합니다. 예: [속성 업데이트](/ko/models/artifacts/update-an-artifact/) (메타데이터, aliases, descriptions)
W\&B Artifacts 및 고급 versioning 사용 사례에 대한 자세한 내용은 [Artifacts](/ko/models/artifacts/) 문서를 참조하세요.
## 모델을 run에 로깅하기
지정한 디렉터리의 콘텐츠를 포함하는 모델 아티팩트를 로깅하려면 [`log_model`](/ko/models/ref/python/experiments/run#log_model)을 사용하세요. [`log_model`](/ko/models/ref/python/experiments/run#log_model) 방법은 생성된 모델 아티팩트를 W\&B run의 출력으로도 표시합니다.
모델을 W\&B run의 입력 또는 출력으로 표시하면 모델의 의존성과 연결 관계를 추적할 수 있습니다. W\&B App UI에서 모델의 리니지를 확인할 수 있습니다. 자세한 내용은 [Artifacts](/ko/models/artifacts/) 장의 [아티팩트 그래프 탐색 및 순회](/ko/models/artifacts/explore-and-traverse-an-artifact-graph/) 페이지를 참조하세요.
모델 파일이 저장된 경로를 `path` 매개변수에 지정하세요. 경로는 로컬 파일, 디렉터리 또는 `s3://bucket/path`와 같은 외부 bucket에 대한 [참조 URI](/ko/models/artifacts/track-external-files/#amazon-s3--gcs--azure-blob-storage-references)일 수 있습니다.
`<>`로 묶인 값은 사용자 환경에 맞게 바꾸세요.
```python theme={null}
import wandb
# W&B run 초기화
with wandb.init(project="", entity="") as run:
# 모델 로깅
run.log_model(path="", name="")
```
선택적으로 모델 아티팩트의 이름을 `name` 파라미터로 지정할 수 있습니다. `name`을 지정하지 않으면 W\&B는 입력 경로의 basename 앞에 run ID를 붙여 이름으로 사용합니다.
사용자 또는 W\&B가 모델에 할당한 `name`을 기억해 두세요. [`wandb.Run.use_model()`](/ko/models/ref/python/experiments/run#use_model)을 사용해 모델 경로를 조회하려면 모델 이름이 필요합니다.
매개변수는 API 레퍼런스의 [`log_model`](/ko/models/ref/python/experiments/run#log_model)을 참조하세요.
예시: run에 모델 로깅하기
```python theme={null}
import os
import wandb
from tensorflow import keras
from tensorflow.keras import layers
config = {"optimizer": "adam", "loss": "categorical_crossentropy"}
# W&B run 초기화
with wandb.init(entity="charlie", project="mnist-experiments", config=config) as run:
# 하이퍼파라미터
loss = run.config["loss"]
optimizer = run.config["optimizer"]
metrics = ["accuracy"]
num_classes = 10
input_shape = (28, 28, 1)
# 트레이닝 알고리즘
model = keras.Sequential(
[
layers.Input(shape=input_shape),
layers.Conv2D(32, kernel_size=(3, 3), activation="relu"),
layers.MaxPooling2D(pool_size=(2, 2)),
layers.Conv2D(64, kernel_size=(3, 3), activation="relu"),
layers.MaxPooling2D(pool_size=(2, 2)),
layers.Flatten(),
layers.Dropout(0.5),
layers.Dense(num_classes, activation="softmax"),
]
)
# 트레이닝을 위해 모델 구성
model.compile(loss=loss, optimizer=optimizer, metrics=metrics)
# 모델 저장
model_filename = "model.h5"
local_filepath = "./"
full_path = os.path.join(local_filepath, model_filename)
model.save(filepath=full_path)
# 모델을 W&B run에 로깅
run.log_model(path=full_path, name="MNIST")
```
`wandb.Run.log_model()`을 호출하면 `MNIST`라는 이름의 모델 아티팩트가 생성되고 `model.h5` 파일이 해당 모델 아티팩트에 추가됩니다. 터미널이나 노트북에는 모델이 로깅된 run 정보를 어디에서 확인할 수 있는지가 출력됩니다.
```python theme={null}
View run different-surf-5 at: https://wandb.ai/charlie/mnist-experiments/runs/wlby6fuw
Synced 5 W&B file(s), 0 media file(s), 1 artifact file(s) and 0 other file(s)
Find logs at: ./wandb/run-20231206_103511-wlby6fuw/logs
```
## 로깅된 모델 다운로드 및 사용
이전에 W\&B run에 로깅한 모델 파일에 액세스하고 다운로드하려면 [`use_model`](/ko/models/ref/python/experiments/run#use_model) 함수를 사용하세요.
조회하려는 모델 파일이 저장된 모델 아티팩트의 이름을 지정하세요. 지정한 이름은 기존에 로깅된 모델 아티팩트의 이름과 일치해야 합니다.
원래 `log_model`로 파일을 로깅할 때 `name`을 정의하지 않았다면, 기본으로 입력 경로의 basename 앞에 run ID가 붙은 이름이 할당됩니다.
`<>`로 묶인 값은 사용자 환경에 맞는 값으로 바꾸세요:
```python theme={null}
import wandb
# run 초기화
with wandb.init(project="", entity="") as run:
# 모델 액세스 및 다운로드. 다운로드된 아티팩트의 경로를 반환합니다
downloaded_model_path = run.use_model(name="")
```
[use\_model](/ko/models/ref/python/experiments/run#use_model) 함수는 다운로드된 모델 파일의 경로를 반환합니다. 나중에 이 모델을 연결하려면 이 경로를 잘 기억해 두세요. 앞의 코드 스니펫에서는 반환된 경로를 `downloaded_model_path`라는 변수에 저장합니다.
예시: 로깅된 모델 다운로드 및 사용
예를 들어, 다음 코드 스니펫에서는 사용자가 `use_model` API를 호출합니다. 가져오려는 모델 아티팩트의 이름을 지정하고 버전/별칭도 함께 제공합니다. 그런 다음 API가 반환한 경로를 `downloaded_model_path` 변수에 저장합니다.
```python theme={null}
import wandb
entity = "luka"
project = "NLP_Experiments"
alias = "latest" # 모델 버전을 나타내는 의미적 별칭 또는 식별자
model_artifact_name = "fine-tuned-model"
# run 초기화
with wandb.init(project=project, entity=entity) as run:
# 모델에 액세스하고 다운로드합니다. 다운로드된 artifact의 경로를 반환합니다
downloaded_model_path = run.use_model(name = f"{model_artifact_name}:{alias}")
```
매개변수와 반환 유형은 API 레퍼런스의 [`use_model`](/ko/models/ref/python/experiments/run#use_model)을 참조하세요.