# Spaces의 Giskard

**Giskard**는 LLM, 테이블형 데이터, NLP 모델을 위한 AI 모델 품질 테스트 툴킷입니다. AI 모델을 스캔하고 테스트하는 오픈소스 Python 라이브러리와 AI Model Quality Testing 앱으로 구성되어 있으며, 이 앱은 이제 Hugging Face의 Docker Spaces를 통해 배포할 수 있습니다. 오픈소스 라이브러리의 기능을 확장한 AI Model Quality Testing 앱을 사용하면 다음을 수행할 수 있습니다:

- Debug tests를 사용하여 문제를 진단합니다

- 자동 모델 인사이트를 활용하여 도메인별 테스트를 생성합니다

- 모델을 비교하여 어떤 모델을 승격할지 결정

- 모델 결과에 대한 비즈니스 피드백 수집

- 동료들과 결과를 공유하여 정렬을 맞추세요

- QA 객체(테스트, 데이터 슬라이스, 평가 기준 등)를 한곳에 저장하여 보다 효율적으로 작업하세요

Giskard에서 제공하는 다양한 도구의 사용법을 배우려면 [Giskard 문서](https://docs.giskard.ai/)와 [Quickstart Guides](https://docs.giskard.ai/en/latest/getting_started/quickstart/index.html)를 방문하세요.

다음 섹션에서는 Giskard AI Model Quality Testing 앱을 직접 배포하고 Hugging Face Spaces에서 바로 사용하는 방법을 배웁니다. 이 Giskard 앱은 **Docker를 사용하여 Spaces에 완전히 호스팅되는 자체 포함(self-contained) 애플리케이션**입니다.

## Spaces에 Giskard 배포

Giskard를 Spaces에 몇 번의 클릭만으로 배포할 수 있습니다:

    

> [!WARNING]
> 데이터 영속성에 대한 중요한 참고 사항: 초기 탐색 및 실험을 위해 Giskard Space를 그대로 사용할 수 있습니다. **소규모 프로젝트에서 장기간 사용할 경우 [Storage Bucket](https://huggingface.co/docs/hub/storage-buckets)을 연결**하세요. 이는 24시간마다 발생하는 Space 재시작 시 데이터 손실을 방지합니다.

**Owner**(개인 계정 또는 조직), **Space name**, **Visibility**를 정의해야 합니다. 모델과 품질 테스트를 공개적으로 공유하지 않으려면 Space를 **Private**으로 설정하세요.

Space를 생성하면 `Building` 상태가 표시됩니다. `Running`으로 변경되면 Space가 준비된 것입니다. 화면에 변경 사항이 표시되지 않으면 페이지를 새로고침하세요.

## 무료 라이선스 요청

Giskard Space가 설정되고 실행되면, 앱을 사용하기 시작하려면 무료 라이선스를 요청해야 합니다. 그러면 라이선스 파일이 포함된 이메일이 자동으로 전송됩니다.

## 새로운 Giskard 프로젝트 만들기

앱에 진입한 후, 환영 화면에서 새 프로젝트를 만들어 시작하세요.

## Hugging Face Giskard Space 토큰과 Giskard API 키 생성

Giskard API 키는 AI 모델이 실행되는 환경과 Hugging Face Spaces의 Giskard 앱 간의 통신을 설정하는 데 사용됩니다. Space의 **Visibility**를 **Private**으로 설정한 경우, Hugging Face Giskard Space Token을 생성하고 개인 Space에 대한 액세스 통신을 설정하려면 Hugging Face 사용자 액세스 토큰을 제공해야 합니다. 이를 위해 Giskard 앱의 설정 페이지에 표시된 지침을 따르세요.

## ML 워커 시작

Giskard는 모델이 요구하는 모든 종속성이 포함된 Python 환경에서 모델을 직접 실행하는 워커를 사용하여 모델을 실행합니다. ML 워커를 실행할 수 있습니다:

- 모든 모델 종속성이 포함된 커널에서 로컬 노트북

- 모든 모델의 종속성이 포함된 커널에서 Google Colab

- 모델의 모든 종속성이 포함된 Python 환경에서 터미널을 통해

모델의 모든 종속성이 포함된 Python 환경에서 다음 명령을 실행합니다:

```bash
giskard worker start -d -k GISKARD-API-KEY -u https://XXX.hf.space --hf-token GISKARD-SPACE-TOKEN
```

## 테스트 스위트, 모델 및 데이터셋 업로드

프로젝트에 대한 품질 테스트를 구축하기 시작하려면 모델 및 데이터셋 객체를 업로드하고, Giskard Python 라이브러리에서 테스트 스위트를 생성하거나 업로드해야 합니다.

> [!TIP]
> Giskard의 Python 라이브러리에서 제공하는 자동 모델 스캐닝 도구를 사용해 테스트 스위트를 만드는 방법에 대한 자세한 내용은 Giskard의 [Quickstart Guides](https://docs.giskard.ai/en/latest/getting_started/quickstart/index.html)를 참고하세요.

이러한 작업은 모두 Python 환경과 Giskard Space 간의 연결이 필요합니다. Giskard Client를 초기화하여 이를 구현합니다. Giskard 앱의 설정 페이지에서 “Create a Giskard Client” 스니펫을 복사하여 Python 환경에서 실행하면 됩니다. 다음과 같은 형태가 됩니다:

```python
from giskard import GiskardClient

url = "https://user_name-space_name.hf.space"
api_key = "gsk-xxx"
hf_token = "xxx"

# Create a giskard client to communicate with Giskard
client = GiskardClient(url, api_key, hf_token)
```

문제가 발생하면 Giskard의 [업로드 객체 문서 페이지](https://docs.giskard.ai/en/latest/giskard_hub/upload/index.html)로 이동하세요.

## 피드백 및 지원

제안 사항이 있거나 특정 지원이 필요하신 경우, [Giskard의 Discord 커뮤니티](https://discord.com/invite/ABvfpbu69R)에 참여하시거나 [Giskard의 GitHub 저장소](https://github.com/Giskard-AI/giskard)를 통해 문의해 주세요.