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

# Global Functions 개요

> W&B Python SDK의 Global functions

W\&B의 글로벌 함수는 `wandb.init()` 또는 `wandb.login()`과 같이 직접 호출하는 최상위 함수입니다. 특정 클래스에 속한 메소드와 달리, 이 함수들은 오브젝트를 먼저 인스턴스화할 필요 없이 W\&B의 핵심 기능에 직접 엑세스할 수 있도록 해줍니다.

## 사용 가능한 함수

| 함수                                                        | 설명                                                                                 |
| --------------------------------------------------------- | ---------------------------------------------------------------------------------- |
| [`init()`](/models/ref/python/functions/init)             | W\&B에 트래킹 및 로그를 남기기 위한 새로운 run 을 시작합니다. 일반적으로 ML 트레이닝 파이프라인에서 가장 먼저 호출하게 되는 함수입니다. |
| [`login()`](/models/ref/python/functions/login)           | 플랫폼에서 머신을 인증하기 위한 W\&B 로그인 자격 증명을 설정합니다.                                           |
| [`setup()`](/models/ref/python/functions/setup)           | 현재 프로세스와 그 자식 프로세스에서 사용할 수 있도록 W\&B를 준비합니다. 멀티 프로세스 애플리케이션에 유용합니다.                 |
| [`teardown()`](/models/ref/python/functions/teardown)     | W\&B 리소스를 정리하고 백엔드 프로세스를 종료합니다.                                                    |
| [`sweep()`](/models/ref/python/functions/sweep)           | 최적의 모델 설정을 찾기 위한 하이퍼파라미터 스윕을 초기화합니다.                                               |
| [`agent()`](/models/ref/python/functions/agent)           | 하이퍼파라미터 최적화 실험을 실행하기 위한 스윕 에이전트를 생성합니다.                                            |
| [`controller()`](/models/ref/python/functions/controller) | 스윕 에이전트와 그 실행을 관리하고 제어합니다.                                                         |
| [`restore()`](/models/ref/python/functions/restore)       | 작업을 재개하기 위해 이전의 run 이나 실험 상태를 복구합니다.                                               |
| [`finish()`](/models/ref/python/functions/finish)         | run 을 종료하고 리소스를 정리합니다.                                                             |

## 예시

가장 일반적인 워크플로우는 W\&B 인증, run 초기화, 그리고 트레이닝 루프에서 값(정확도 및 손실 등)을 로그로 남기는 것으로 시작됩니다. 첫 단계는 `wandb`를 임포트하고 글로벌 함수인 `login()`과 `init()`을 사용하는 것입니다:

```python theme={null}
import wandb

# W&B 인증
wandb.login()

# 하이퍼파라미터 및 메타데이터
config = {
   "learning_rate": 0.01,
   "epochs": 10,
}

# run이 기록될 프로젝트
project = "my-awesome-project"

# 새로운 run 초기화
with wandb.init(project=project, config=config) as run:
   # 여기에 트레이닝 코드를 작성하세요...
   
   # W&B에 값 로그 기록
   run.log({"accuracy": 0.9, "loss": 0.1})
```