例 テーブル

W&B テーブル の例

以下のセクションでは、テーブルの使用方法の一部を紹介します。

データを表示する

モデルのトレーニングまたは評価中にメトリクスやリッチメディアをログに記録し、それをクラウドに同期された永続的なデータベース、またはホスティングインスタンスで結果を視覚化します。

例を閲覧し、データのカウントと分布を検証する

たとえば、このテーブルをご覧ください。写真データセットのバランスの取れた分割を示しています。

データを対話的に探索する

テーブルを表示、ソート、フィルタ、グループ化、結合、クエリして、データとモデルのパフォーマンスを理解します。静的ファイルを閲覧したり、分析スクリプトを再実行する必要はありません。

オリジナルの曲とその合成バージョン(ティンバー転送)を聴く

たとえば、このレポートをご覧ください。スタイルが転送されたオーディオについて。

モデルバージョンを比較する

異なるトレーニングエポック、データセット、ハイパーパラメーターの選択、モデルアーキテクチャーなど、さまざまな結果を迅速に比較します。

細かな違いを確認: 左のモデルは赤い歩道を検出し、右のモデルは検出しない。

たとえば、このテーブルを確認してください。同じテスト画像で2つのモデルを比較しています。

すべての詳細を追跡し、大局を把握する

特定のステップでの特定の予測を視覚化するためにズームインします。ズームアウトして集計統計を確認し、エラーのパターンを識別し、改善の機会を理解します。このツールは、単一のモデルトレーニングからのステップを比較したり、異なるモデルバージョンの結果を比較するために使用されます。

たとえば、1回とその後5回のエポック後のMNISTデータセットでの結果を分析する例のテーブルをご覧ください。

W&B Tablesを使用したプロジェクトの例

以下では、W&B Tablesを使用した実際のW&Bプロジェクトの例を紹介します。

画像分類

このレポートを読み、このcolabに従うか、このアーティファクトコンテキストを探り、CNNがiNaturalistの写真から10種類の生物(植物、鳥、昆虫など)を識別する方法を見てみてください。

2つの異なるモデルの予測に対する真のラベルの分布を比較する。

オーディオ

ティンバー転送に関するこのレポートでオーディオテーブルと対話します。録音されたクジラの歌と同じメロディをバイオリンやトランペットのような楽器で合成したバージョンを比較できます。このcolabで自分の曲を録音し、その合成バージョンをW&Bで探索することもできます。

テキスト

トレーニングデータや生成された出力からテキストサンプルを閲覧し、関連するフィールドで動的にグループ化し、モデルバリエーションや実験設定に合わせて評価を整えます。Markdownとしてテキストをレンダリングするか、ビジュアル差分モードを使用してテキストを比較します。このレポートでシェイクスピアを生成するためのシンプルな文字ベースのRNNを探ります。

隠れ層のサイズを倍増させると、より創造的なプロンプトの完了が得られる。

ビデオ

モデルを理解するためにトレーニング中にログに記録されたビデオを閲覧および集約します。ここに、RLエージェントが副作用を最小化しようとするためのSafeLife ベンチマークを使用した初期の例があります。

数少ない成功したエージェントを簡単に閲覧する

表形式データ

バージョン管理とデータの重複排除を使用して表形式データを分割および前処理する方法に関するレポートを参照してください。

Tables and Artifactsが連携してバージョンコントロール、ラベル付け、データセットの重複排除を行う

モデルバリエーションの比較(セマンティックセグメンテーション)

セマンティックセグメンテーションのためのTablesをログに記録し、さまざまなモデルを比較する対話型ノートブックライブ例です。このTableで自分のクエリを試してみてください。

同じテストセットに対する2つのモデル間で最高の予測を見つける

トレーニング時間の改善を分析する

予測を時間にわたって視覚化する方法についての詳細なレポートと、付随する対話型ノートブックです。