> ## Documentation Index
> Fetch the complete documentation index at: https://wb-21fd5541-sa-registry-access.mintlify.site/llms.txt
> Use this file to discover all available pages before exploring further.

> 분자 ML 모델의 실험 추적 및 시각화를 위해 DeepChem 라이브러리에 W&B를 통합하세요.

# DeepChem

[DeepChem library](https://github.com/deepchem/deepchem)는 약물 발견, 재료 과학, 화학, 생물학 분야에서 딥러닝을 더 쉽게 활용할 수 있도록 돕는 오픈 소스 도구를 제공합니다. 이 W\&B 인테그레이션은 DeepChem으로 모델을 트레이닝하는 동안 실험 추적과 모델 체크포인팅을 지원합니다.

이 페이지를 사용해 DeepChem 트레이닝 워크플로에 W\&B 로깅을 추가하면 여러 실험 전반에서 트레이닝 손실, 평가 메트릭, 모델 체크포인트를 추적할 수 있습니다. 이미 DeepChem으로 모델을 트레이닝하고 있다면 최소한의 코드 변경만으로 실험 추적을 추가할 수 있습니다.

<div id="deepchem-logging-in-3-lines-of-code">
  ## 코드 3줄로 DeepChem 로깅하기
</div>

```python theme={null}
logger = WandbLogger(…)
model = TorchModel(…, wandb_logger=logger)
model.fit(…)
```

`WandbLogger` 인스턴스를 DeepChem 모델에 전달하면 트레이닝 run에 W\&B 로깅이 연결되어, `fit` 중에 생성되는 메트릭이 W\&B 프로젝트로 자동으로 스트리밍됩니다.

<Frame>
  <img src="https://mintcdn.com/wb-21fd5541-sa-registry-access/Obd-BEsNttVciY7m/images/integrations/cd.png?fit=max&auto=format&n=Obd-BEsNttVciY7m&q=85&s=44ba870b8282278908e12ce6e0c9b755" alt="DeepChem의 분자 분석" width="1513" height="842" data-path="images/integrations/cd.png" />
</Frame>

<div id="report-and-google-colab">
  ## 리포트 및 Google Colab
</div>

다음 리소스에서 인테그레이션을 자체 코드에 연결하기 전에 실제 적용 사례를 확인할 수 있습니다:

* W\&B DeepChem 인테그레이션으로 생성된 차트 예시는 [DeepChem에서 W\&B 사용하기: 분자 그래프 합성곱 네트워크](https://wandb.ai/kshen/deepchem_graphconv/reports/Using-W-B-with-DeepChem-Molecular-Graph-Convolutional-Networks--Vmlldzo4MzU5MDc?galleryTag=) 글에서 확인하세요.
* 바로 실행해 볼 수 있는 코드는 이 [Google Colab](https://colab.research.google.com/github/wandb/examples/blob/master/colabs/deepchem/W%26B_x_DeepChem.ipynb)에서 확인하세요.

<div id="track-experiments">
  ## 실험 추적
</div>

이 페이지의 나머지 부분에서는 API 키를 설정하고, `wandb` 라이브러리를 설치하며, `TorchModel` 또는 `KerasModel`에 대한 로깅을 활성화하는 방법을 설명합니다.

[KerasModel](https://deepchem.readthedocs.io/en/latest/api_reference/models.html#keras-models) 또는 [TorchModel](https://deepchem.readthedocs.io/en/latest/api_reference/models.html#pytorch-models) 유형의 DeepChem 모델용으로 W\&B를 설정합니다.

<div id="sign-up-and-create-an-api-key">
  ### 회원가입하고 API 키 만들기
</div>

API 키는 사용 중인 머신을 W\&B에 인증합니다. 사용자 프로필에서 API 키를 생성할 수 있습니다.

<Note>
  더 간편하게 하려면 [User Settings](https://wandb.ai/settings)로 이동해 API 키를 생성하세요. API 키는 즉시 복사해 비밀번호 관리자와 같은 안전한 위치에 저장하세요.
</Note>

W\&B App에서 API 키를 찾으려면:

1. 오른쪽 상단에서 사용자 프로필 아이콘을 클릭합니다.
2. **User Settings**를 선택한 다음 **API Keys** 섹션으로 스크롤합니다.

<div id="install-the-wandb-library-and-log-in">
  ### `wandb` 라이브러리 설치 및 로그인
</div>

로컬에 `wandb` 라이브러리를 설치하고 로그인하려면 다음 단계를 따르세요.

<Tabs>
  <Tab title="명령줄">
    1. `WANDB_API_KEY` [환경 변수](/ko/models/track/environment-variables/)를 API 키로 설정합니다. `<>`로 묶인 값은 자신의 값으로 바꾸세요.

       ```bash theme={null}
       export WANDB_API_KEY=<your_api_key>
       ```

    2. `wandb` 라이브러리를 설치하고 로그인합니다.

       ```shell theme={null}
       pip install wandb

       wandb login
       ```
  </Tab>

  <Tab title="Python">
    ```bash theme={null}
    pip install wandb
    ```

    ```python theme={null}
    import wandb
    wandb.login()
    ```
  </Tab>

  <Tab title="Python notebook">
    ```notebook theme={null}
    !pip install wandb

    import wandb
    wandb.login()
    ```
  </Tab>
</Tabs>

<div id="log-your-training-and-evaluation-data-to-wb">
  ### 트레이닝 및 평가 데이터를 W\&B에 기록하기
</div>

`wandb`를 설치하고 인증했다면 이제 DeepChem 모델에 `WandbLogger`를 연결하여 트레이닝 및 평가 데이터가 W\&B로 전달되도록 할 수 있습니다.

트레이닝 손실와 평가 메트릭은 자동으로 W\&B에 기록됩니다. 선택적 평가를 활성화하려면 DeepChem [`ValidationCallback`](https://github.com/deepchem/deepchem/blob/master/deepchem/models/callbacks.py)을 사용하세요. `WandbLogger`는 `ValidationCallback`을 감지하고, 이 callback이 생성한 메트릭을 기록합니다.

<Tabs>
  <Tab title="TorchModel">
    ```python theme={null}
    from deepchem.models import TorchModel, ValidationCallback

    vc = ValidationCallback(…)  # 선택 사항
    model = TorchModel(…, wandb_logger=logger)
    model.fit(…, callbacks=[vc])
    logger.finish()
    ```
  </Tab>

  <Tab title="KerasModel">
    ```python theme={null}
    from deepchem.models import KerasModel, ValidationCallback

    vc = ValidationCallback(…)  # 선택 사항
    model = KerasModel(…, wandb_logger=logger)
    model.fit(…, callbacks=[vc])
    logger.finish()
    ```
  </Tab>
</Tabs>

`model.fit`가 실행된 후에는 트레이닝 손실와 `ValidationCallback`이 생성한 모든 평가 메트릭이 W\&B 프로젝트에서 `WandbLogger`가 생성한 run 아래에 표시됩니다.