run 초기화

🚀 View run exalted-darkness-6 at: 
https://wandb.ai/nico/awesome-project/runs/pgbn9y21
Find logs at: wandb/run-20241106_090747-pgbn9y21/logs

import wandb

wandb.setup(wandb.Settings(reinit="create_new"))

with wandb.init() as experiment_results_run:
    # 이 run은 각 실험의 결과를 로깅하는 데 사용됩니다.
    # 결과를 수집하는 상위 run이라고 생각하면 됩니다
      with wandb.init() as run:
         # do_experiment() 함수는 세분화된 메트릭을 지정된 run에
         # 로깅하고, 별도로 추적하려는 결과 메트릭을
         # 반환합니다.
         experiment_results = do_experiment(run)

         # 각 실험이 끝나면 그 결과를 상위 run에 로깅합니다.
         # 상위 run의 차트에 표시되는 각 점은 하나의 실험
         # 결과에 해당합니다.
         experiment_results_run.log(experiment_results)

import wandb

def train(name: str) -> None:
    """자체 W&B run에서 트레이닝을 한 번 수행합니다.

    `reinit="create_new"`와 함께 'with wandb.init()' 블록을 사용하면
    다른 run(기본 추적 run 등)이 이미 활성 상태인 경우에도
    이 트레이닝 서브 run을 생성할 수 있습니다.
    """
    with wandb.init(
        project="my_project",
        name=name,
        reinit="create_new"
    ) as run:
        # 실제 스크립트에서는 이 블록 안에서 트레이닝 step을 실행합니다.
        run.log({"train_loss": 0.42})  # 실제 metric으로 교체하세요

def evaluate_loss_accuracy() -> (float, float):
    """현재 모델의 loss와 accuracy를 반환합니다.
    
    이 플레이스홀더를 실제 평가 로직으로 교체하세요.
    """
    return 0.27, 0.91  # 예시 metric 값

# 여러 트레이닝/평가 step 동안 활성 상태를 유지하는 '기본' run을 생성합니다.
with wandb.init(
    project="my_project",
    name="tracking_run",
    reinit="create_new"
) as tracking_run:
    # 1) 'training_1'이라는 서브 run에서 트레이닝을 한 번 실행합니다
    train("training_1")
    loss, accuracy = evaluate_loss_accuracy()
    tracking_run.log({"eval_loss": loss, "eval_accuracy": accuracy})

    # 2) 'training_2'라는 서브 run에서 트레이닝을 다시 실행합니다
    train("training_2")
    loss, accuracy = evaluate_loss_accuracy()
    tracking_run.log({"eval_loss": loss, "eval_accuracy": accuracy})
    
    # 이 'with' 블록이 종료되면 'tracking_run'이 자동으로 완료됩니다.