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

# 전역 함수 Overview

> W&B Python SDK의 전역 함수

W\&B의 전역 함수는 `wandb.init()` 또는 `wandb.login()`처럼 직접 호출하는 최상위 함수입니다. 특정 클래스에 속한 메서드와 달리, 이러한 함수는 객체를 먼저 인스턴스화하지 않아도 W\&B의 핵심 기능에 직접 접근할 수 있게 해줍니다.

<div id="available-functions">
  ## 사용 가능한 함수
</div>

| 함수                                                           | 설명                                                                   |
| ------------------------------------------------------------ | -------------------------------------------------------------------- |
| [`init()`](/ko/models/ref/python/functions/init)             | W\&B에 추적 및 로깅할 새 run을 시작합니다. 일반적으로 ML 트레이닝 파이프라인에서 가장 먼저 호출하는 함수입니다. |
| [`login()`](/ko/models/ref/python/functions/login)           | 플랫폼에서 머신을 인증할 수 있도록 W\&B 로그인 자격 증명을 설정합니다.                           |
| [`setup()`](/ko/models/ref/python/functions/setup)           | 현재 프로세스와 그 하위 프로세스에서 사용할 수 있도록 W\&B를 준비합니다. 다중 프로세스 애플리케이션에 유용합니다.   |
| [`teardown()`](/ko/models/ref/python/functions/teardown)     | W\&B 리소스를 정리하고 백엔드 프로세스를 종료합니다.                                      |
| [`sweep()`](/ko/models/ref/python/functions/sweep)           | 최적의 모델 설정을 검색하기 위한 하이퍼파라미터 sweep을 초기화합니다.                            |
| [`agent()`](/ko/models/ref/python/functions/agent)           | 하이퍼파라미터 최적화 실험을 실행할 sweep agent를 생성합니다.                              |
| [`controller()`](/ko/models/ref/python/functions/controller) | sweep agent와 해당 실행을 관리하고 제어합니다.                                      |
| [`restore()`](/ko/models/ref/python/functions/restore)       | 이전 run 또는 실험 상태를 복원해 작업을 재개합니다.                                      |
| [`finish()`](/ko/models/ref/python/functions/finish)         | run을 종료하고 리소스를 정리합니다.                                                |

<div id="example">
  ## 예시
</div>

가장 일반적인 워크플로는 W\&B에 인증하고 run을 초기화한 다음, 트레이닝 루프에서 값(예: 정확도와 손실)을 로깅하는 것부터 시작합니다. 먼저 `wandb`를 임포트하고 전역 함수 `login()`과 `init()`을 사용합니다:

```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"

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