Visualize and analyze tables

W&B Tables を可視化、分析します。

2 minute read

W&B Tables をカスタマイズして、機械学習モデルの性能に関する質問に答えたり、データを分析したりできます。

インタラクティブにデータを探索して、以下を実現します。

モデル、エポック、個々のサンプル間で、変更を正確に比較する
データにおけるより高レベルのパターンを理解する
可視化サンプルでインサイトを捉え、伝達する

W&B Tables は、次の振る舞いをします。

Artifacts コンテキストではステートレス: Artifacts バージョンとともに記録されたテーブルは、ブラウザウィンドウを閉じるとデフォルト状態にリセットされます。
Workspace または Report コンテキストではステートフル: 単一 run の Workspace 、複数 run の Project Workspace 、または Report でテーブルに加えた変更は保持されます。

現在の W&B Table ビューを保存する方法については、ビューを保存を参照してください。

2つのテーブルを表示する方法

マージされたビューまたは並べて表示するビューで2つのテーブルを比較します。例えば、下の図はMNIST データのテーブル比較を示しています。

次の手順に従って、 2つのテーブルを比較します。

W&B App で Project に移動します。
左側のパネルで Artifacts アイコンを選択します。
Artifacts バージョンを選択します。

次の図では、 5 エポック (インタラクティブな例はこちら) の後、 MNIST 検証データに対するモデルの予測を示します。

サイドバーで比較する2番目の Artifacts バージョンにマウスを合わせ、表示されたら [比較] をクリックします。例えば、下の図では、トレーニングの5 エポック後に同じモデルによって行われたMNIST の予測と比較するために、「v4」というラベルのバージョンを選択します。

1 エポック (ここに表示) 対 5 エポック (v4) のトレーニング後にモデルの予測を比較する準備

マージされたビュー

最初は、両方のテーブルがマージされて表示されます。最初に選択されたテーブルのインデックスは0で青色で強調表示され、 2番目のテーブルのインデックスは1で黄色で強調表示されます。マージされたテーブルのライブ例はこちらをご覧ください。

マージされたビューからは、以下が可能です。

結合キーを選択する: 左上のドロップダウンを使用して、 2つのテーブルの結合キーとして使用する列を設定します。通常、これはデータセット内の特定の例のファイル名や、生成されたサンプルのインクリメントインデックスなど、各行の一意の識別子です。現在、 任意の 列を選択できますが、判読できないテーブルやクエリの速度低下が発生する可能性があることに注意してください。
結合する代わりに連結する: このドロップダウンで [すべてのテーブルを連結する] を選択すると、列全体を結合する代わりに、両方のテーブルから すべての行を結合 して、より大きなテーブルにすることができます。
各テーブルを明示的に参照する: フィルター式で0、 1、 * を使用して、 1つまたは両方のテーブルインスタンスの列を明示的に指定します。
詳細な数値の差をヒストグラムとして可視化する: 任意のセルの値を一目で比較できます。

並べて表示するビュー

2つのテーブルを並べて表示するには、最初のドロップダウンを [テーブルをマージ: テーブル] から [リスト: テーブル] に変更し、それぞれ [ページサイズ] を更新します。ここで、最初に選択したテーブルは左側にあり、 2番目のテーブルは右側にあります。また、 [垂直] チェックボックスをクリックして、これらのテーブルを垂直方向に比較することもできます。

テーブルを一目で比較する: 任意の操作 (ソート、フィルタリング、グループ化) を両方のテーブルにまとめて適用し、変更や違いをすばやく見つけます。例えば、推測でグループ化された不正な予測、全体で最も難しいネガティブ、真のラベルごとの信頼度スコア分布などを表示します。
2つのテーブルを個別に探索する: スクロールして、目的の側面/行に焦点を当てます。

Artifacts を比較する

時間の経過とともにテーブルを比較したり、モデルバリアントを比較したりすることもできます。

時間の経過とともにテーブルを比較する

トレーニングの意味のあるステップごとに Artifacts にテーブルを記録して、トレーニング時間中のモデルの性能を分析します。例えば、すべての検証ステップの終了時、トレーニングの50 エポックごと、またはパイプラインに適した頻度でテーブルを記録できます。並べて表示するビューを使用して、モデル予測の変化を可視化します。

ラベルごとに、モデルは1 (L) よりも5 (R) トレーニングエポック後に間違いが少なくなります

トレーニング時間中の予測の可視化に関するより詳細なウォークスルーについては、この Report およびこのインタラクティブなノートブックの例を参照してください。

モデルバリアント全体でテーブルを比較する

2つの異なるモデルに対して同じステップで記録された2つの Artifacts バージョンを比較して、異なる設定 (ハイパーパラメーター、ベースアーキテクチャーなど) 全体でモデルの性能を分析します。

例えば、 baseline と新しいモデルバリアントである 2x_layers_2x_lr の間で予測を比較します。この場合、最初の畳み込みレイヤーは32から64に、 2番目のレイヤーは128から256に、学習率は0.001から0.002に倍増します。このライブ例から、並べて表示するビューを使用して、 1 (左側のタブ) 対 5 トレーニングエポック (右側のタブ) 後の不正な予測に絞り込みます。