DeepChecks - Weights & Biases Documentation

DeepChecks を使うと、機械学習モデルとデータを最小限の手間で検証できます。データの整合性を確認し、分布を調査し、データ分割を検証し、モデルを評価し、異なるモデルを比較できます。このページでは、DeepChecks と W&B のインテグレーションの使い方を説明します。これにより、検証結果やテストスイートを Experiments とあわせてログできます。詳細は、DeepChecks W&B インテグレーションガイドを参照してください。

はじめに

DeepChecks で W&B を使用するには、まず W&B アカウントに登録してください。DeepChecks の W&B インテグレーションでは、1 つのチェックを実行し、その結果を W&B に送信するだけで使い始められます。

import wandb

wandb.login()

# deepchecksからチェックをインポートする
from deepchecks.checks import ModelErrorAnalysis

# チェックを実行する
result = ModelErrorAnalysis()

# 結果をwandbにプッシュする
result.to_wandb()

個々のチェックをログするだけでなく、DeepChecks のテストスイート全体を W&B にログすることもできます:

import wandb

wandb.login()

# deepchecksからfull_suiteテストをインポートする
from deepchecks.suites import full_suite

# DeepChecksテストスイートを作成して実行する
suite_result = full_suite().run(...)

# 結果をwandbにpushする
# wandb.initに必要な設定や引数をここで渡すことができます
suite_result.to_wandb(project="my-suite-project", config={"suite-name": "full-suite"})

例

このインテグレーションが実際にどのようなものかを確認するには、Deepchecks と W&B を使用してデータとモデルを検証する reportをご覧ください。ここでは、DeepChecks と W&B を一緒に使用する方法を紹介しています。

この W&B インテグレーションについて質問や問題がある場合は、DeepChecks GitHub リポジトリで issue を作成してください。こちらで確認し、回答します。

​はじめに

​例

はじめに

例