テーブルの概要

Datasets の反復開発とモデルの予測結果の理解

Try in ColabTry in W&B

W&B Tables を使用して、テーブル形式のデータを可視化およびクエリします。例えば、以下のようなことが可能です。

• 同じ テストセット に対して、異なる モデル がどのようにパフォーマンスを発揮するかを比較する
• データ 内のパターンを特定する
• モデル の 予測 サンプルを視覚的に確認する
• クエリを実行して、よく誤分類される例を見つけ出す

上の画像は、セマンティックセグメンテーション とカスタム メトリクス を含む テーブル を示しています。このテーブルは、W&B ML コースのサンプルプロジェクト で確認できます。

​

仕組み

Table は、各列が単一のデータ型を持つデータの2次元グリッドです。Tables は、プリミティブ型や数値型だけでなく、ネストされたリスト、辞書、およびリッチメディア型をサポートしています。

​

Table をログに記録する

数行の コード で テーブル を ログ に記録できます。

• wandb.init(): 結果を追跡するための run を作成します。
• wandb.Table(): 新しい テーブル オブジェクト を作成します。
  • columns: カラム名を設定します。
  • data: テーブル の内容を設定します。
• run.log(): テーブル を W&B に保存するために ログ を記録します。

import wandb

# プロジェクト "table-test" でランを初期化
with wandb.init(project="table-test") as run:
    # カラム名とデータを指定してテーブルを作成
    my_table = wandb.Table(columns=["a", "b"], data=[["a1", "b1"], ["a2", "b2"]])
    # 作成したテーブルをW&Bにログ
    run.log({"Table Name": my_table})

​

開始方法

• クイックスタート: データ テーブル の ログ 記録、データの可視化、およびデータのクエリ方法を学びます。
• Tables ギャラリー: Tables の ユースケース の例を確認します。