Skip to main content
사용자가 컬렉션의 목적과 포함된 아티팩트를 이해할 수 있도록 컬렉션에 사람이 읽기 쉬운 설명을 추가하세요.
컬렉션 Card
컬렉션에 따라 트레이닝 데이터, 모델 아키텍처, 작업, 라이선스, 레퍼런스, 배포에 대한 정보를 포함할 수 있습니다. 다음은 컬렉션에 문서화해 두면 좋은 몇 가지 주제입니다: W&B는 최소한 다음 세부 정보를 포함할 것을 권장합니다:
  • Summary: 컬렉션의 목적과 머신 러닝 실험에 사용된 머신 러닝 프레임워크입니다.
  • 라이선스: 머신 러닝 모델 사용과 관련된 법적 조건 및 권한입니다. 이를 통해 모델 사용자는 해당 모델을 어떤 법적 체계에서 활용할 수 있는지 이해할 수 있습니다. 일반적인 라이선스로는 Apache 2.0, MIT, GPL이 있습니다.
  • 레퍼런스: 관련 연구 논문, Datasets, 또는 외부 리소스에 대한 인용이나 참조입니다.
컬렉션에 트레이닝 데이터가 포함되어 있다면, 다음과 같은 추가 세부 정보도 포함하는 것을 고려하세요:
  • Training data: 사용한 트레이닝 데이터를 설명합니다.
  • Processing: 트레이닝 데이터셋에 수행한 처리 작업입니다.
  • Data storage: 해당 데이터가 저장된 위치와 액세스 방법입니다.
컬렉션에 머신 러닝 모델이 포함되어 있다면, 다음과 같은 추가 세부 정보도 포함하는 것을 고려하세요:
  • Architecture: 모델 아키텍처, 레이어, 그리고 특정 설계 선택에 대한 정보입니다.
  • Task: 컬렉션의 모델이 수행하도록 설계된 작업 또는 문제의 구체적인 유형입니다. 즉, 모델이 의도한 기능을 분류한 것입니다.
  • Deserialize the model: 팀원이 모델을 메모리에 로드하는 방법에 대한 정보입니다.
  • Deployment: 모델이 어떻게, 어디에 배포되는지에 대한 세부 정보와 워크플로 오케스트레이션 플랫폼 같은 다른 엔터프라이즈 시스템에 모델을 어떻게 통합하는지에 대한 안내입니다.
  • Compare metrics: 컬렉션에 연결된 아티팩트의 서로 다른 아티팩트 버전 간 메트릭을 비교합니다. 이를 통해 사용자는 모델이 시간에 따라 어떻게 발전했는지, 그리고 서로 다른 버전이 특정 작업에서 어떤 성능을 보이는지 이해할 수 있습니다.

컬렉션에 설명 추가하기

W&B Registry UI 또는 Python SDK를 사용해 대화형으로 또는 프로그래밍 방식으로 컬렉션에 설명을 추가할 수 있습니다.
  1. W&B Registry로 이동합니다.
  2. 컬렉션을 클릭합니다.
  3. 컬렉션 이름 옆의 View details를 선택합니다.
  4. 컬렉션 Card 탭을 선택합니다.
  5. Edit card 버튼을 클릭합니다.
  6. 컬렉션 Card 편집기에서 컬렉션에 설명을 추가합니다. Markdown 서식을 사용해 텍스트에 스타일을 적용할 수 있습니다.
Markdown 마크업 언어를 사용해 텍스트 서식을 지정합니다. 사용 가능한 Markdown 서식 옵션의 드롭다운 목록을 보려면 슬래시(/)를 사용합니다.

아티팩트 버전 간 메트릭 비교

컬렉션 Card 편집기에서 컬렉션에 연결된 여러 아티팩트 버전의 메트릭을 비교할 수 있습니다.
  1. 컬렉션 Card 편집기에서 슬래시(/)를 입력해 사용 가능한 Markdown 서식 옵션의 드롭다운 목록을 여세요.
  2. Compare metrics를 선택해 컬렉션 Card에 메트릭 비교 테이블을 추가하세요.
다음 이미지는 transaction-risk-model 컬렉션에 연결된 5개의 서로 다른 아티팩트 버전에서 val/loss를 보여줍니다.
컬렉션 Card에서 아티팩트 버전 간 메트릭 비교 및 보기