メインコンテンツへスキップ

View the source code

 Keras コールバックをモデル予測の可視化用に構築するための抽象基本クラス。 
WandbEvalCallback(
    data_table_columns: List[str],
    pred_table_columns: List[str],
    *args,
    **kwargs
) -> None
エポック終了時 (on_epoch_end) にモデル予測を可視化するためのコールバックを構築し、分類、オブジェクト検出、セグメンテーションなどのタスク用に model.fit() に渡すことができます。 これを使用するには、このベースコールバッククラスから継承し、add_ground_truth と add_model_prediction メソッドを実装します。 この基本クラスは以下のことを処理します：
  • 正解をログするための data_table と予測のための pred_table を初期化します。
  • data_table にアップロードされたデータは pred_table の参照として使用されます。これはメモリフットプリントを削減するためです。data_table_ref は参照されたデータにアクセスするために使用できるリストです。以下の例を見て方法を確認してください。
  • W&B にテーブルを W&B Artifacts としてログします。
  • 新しい pred_table はエイリアスとともに新しいバージョンとしてログされます。

​
例:

class WandbClfEvalCallback(WandbEvalCallback):
    def __init__(self, validation_data, data_table_columns, pred_table_columns):
        super().__init__(data_table_columns, pred_table_columns)

        self.x = validation_data[0]
        self.y = validation_data[1]

    def add_ground_truth(self):
        for idx, (image, label) in enumerate(zip(self.x, self.y)):
            self.data_table.add_data(idx, wandb.Image(image), label)

    def add_model_predictions(self, epoch):
        preds = self.model.predict(self.x, verbose=0)
        preds = tf.argmax(preds, axis=-1)

        data_table_ref = self.data_table_ref
        table_idxs = data_table_ref.get_index()

        for idx in table_idxs:
            pred = preds[idx]
            self.pred_table.add_data(
                epoch,
                data_table_ref.data[idx][0],
                data_table_ref.data[idx][1],
                data_table_ref.data[idx][2],
                pred,
            )


model.fit(
    x,
    y,
    epochs=2,
    validation_data=(x, y),
    callbacks=[
        WandbClfEvalCallback(
            validation_data=(x, y),
            data_table_columns=["idx", "image", "label"],
            pred_table_columns=["epoch", "idx", "image", "label", "pred"],
        )
    ],
)
より詳細に制御したい場合は、on_train_begin と on_epoch_end メソッドをオーバーライドできます。N バッチごとにサンプルをログしたい場合は、on_train_batch_end メソッドを実装することができます。

​
メソッド

​
add_ground_truth

ソースを表示 
@abc.abstractmethod
add_ground_truth(
    logs: Optional[Dict[str, float]] = None
) -> None
正解データを data_table に追加します。 このメソッドを使用して、init_data_table メソッドを使用して初期化された data_table にバリデーション/トレーニングデータを追加するロジックを書きます。

​
例:

for idx, data in enumerate(dataloader):
    self.data_table.add_data(idx, data)
このメソッドは、on_train_begin または同等のフックで呼び出されます。

​
add_model_predictions

ソースを表示 
@abc.abstractmethod
add_model_predictions(
    epoch: int,
    logs: Optional[Dict[str, float]] = None
) -> None
モデルからの予測を pred_table に追加します。 このメソッドを使用して、init_pred_table メソッドを使用して初期化された pred_table にバリデーション/トレーニングデータのモデル予測を追加するロジックを書きます。

​
例:

# dataloader がサンプルをシャッフルしていないと仮定します。
for idx, data in enumerate(dataloader):
    preds = model.predict(data)
    self.pred_table.add_data(
        self.data_table_ref.data[idx][0],
        self.data_table_ref.data[idx][1],
        preds,
    )
このメソッドは、on_epoch_end または同等のフックで呼び出されます。

​
init_data_table

ソースを表示 
init_data_table(
    column_names: List[str]
) -> None
バリデーションデータ用の W&B テーブルを初期化します。 このメソッドを on_train_begin または同等のフックで呼び出します。これに続いて、テーブルに行または列ごとにデータを追加します。
引数Description
column_names(list) W&B テーブルのカラム名です。

​
init_pred_table

ソースを表示 
init_pred_table(
    column_names: List[str]
) -> None
モデルの評価用の W&B テーブルを初期化します。 このメソッドを on_epoch_end または同等のフックで呼び出します。これに続いて、テーブルに行または列ごとにデータを追加します。
引数Description
column_names(list) W&B テーブルのカラム名です。

​
log_data_table

ソースを表示 
log_data_table(
    name: str = "val",
    type: str = "dataset",
    table_name: str = "val_data"
) -> None
data_table を W&B Artifacts としてログし、use_artifact を呼び出します。 これにより、評価テーブルが既にアップロードされたデータ（画像、テキスト、スカラーなど）の参照を再アップロードせずに使用できます。
引数Description
name(str) このアーティファクトの人間が読める名前で、UIでこのアーティファクトを識別したり、use_artifact呼び出しで参照したりする方法です。（デフォルトは ‘val’）
type(str) アーティファクトのタイプで、アーティファクトを整理し区別するために使用されます。（デフォルトは ‘dataset’）
table_name(str) UIで表示されるテーブルの名前です。（デフォルトは ‘val_data’）

​
log_pred_table

ソースを表示 
log_pred_table(
    type: str = "evaluation",
    table_name: str = "eval_data",
    aliases: Optional[List[str]] = None
) -> None
モデルの評価用の W&B テーブルをログします。 テーブルは新しいバージョンを作成しながら複数回ログされます。これを使用して、異なる間隔でモデルをインタラクティブに比較します。
引数Description
type(str) アーティファクトのタイプで、アーティファクトを整理し区別するために使用されます。（デフォルトは ‘evaluation’）
table_name(str) UIで表示されるテーブルの名前です。（デフォルトは ‘eval_data’）
aliases(List[str]) 予測テーブルのエイリアスのリストです。

​
set_model

set_model(
    model
)

​
set_params

set_params(
    params
)
⌘I