表をログする

import wandb

# 新しいrunを開始する
with wandb.init(project="table-demo") as run:

    # 2列2行のデータを持つ表オブジェクトを作成する
    my_table = wandb.Table(
        columns=["a", "b"],
        data=[["a1", "b1"], ["a2", "b2"]],
        log_mode="IMMUTABLE"
        )

    # 表をW&Bにログする
    run.log({"Table Name": my_table})

import wandb
import numpy as np

with wandb.init(project="mutable-table-demo") as run:

    # MUTABLEロギングモードで表オブジェクトを作成する
    table = wandb.Table(columns=["input", "label", "prediction"],
                        log_mode="MUTABLE")

    # データを読み込み、予測を行う
    inputs, labels = load_eval_data() # プレースホルダー関数
    raw_preds = model.predict(inputs) # プレースホルダー関数

    for inp, label, pred in zip(inputs, labels, raw_preds):
        table.add_data(inp, label, pred)

    # Step 1: 初期データをログする
    run.log({"eval_table": table})  # 初期の表をログする

    # Step 2: 信頼度スコアを追加する（例：最大ソフトマックス）
    confidences = np.max(raw_preds, axis=1)
    table.add_column("confidence", confidences)
    run.log({"eval_table": table})  # 信頼度情報を追加する

    # Step 3: 後処理済みの予測を追加する
    # （例：閾値処理または平滑化された出力）
    post_preds = (confidences > 0.7).astype(int)
    table.add_column("final_prediction", post_preds)
    run.log({"eval_table": table})  # 別の列を追加した最終更新

import wandb

with wandb.init(project="incremental-table-demo") as run:

    # INCREMENTALロギングモードで表を作成する
    table = wandb.Table(columns=["step", "input", "label", "prediction"],
                        log_mode="INCREMENTAL")

    # トレーニングループ
    for step in range(get_num_batches()): # プレースホルダー関数
        # バッチデータを読み込む
        inputs, labels = get_training_batch(step) # プレースホルダー関数

        # トレーニングして予測する
        train_model_on_batch(inputs, labels) # プレースホルダー関数
        predictions = predict_on_batch(inputs) # プレースホルダー関数

        # バッチデータを表に追加する
        for input_item, label, prediction in zip(inputs, labels, predictions):
            table.add_data(step, input_item, label, prediction)

        # 表を段階的にログする
        run.log({"training_table": table}, step=step)

import wandb

with wandb.init(project="combined-logging-example") as run:

    # トレーニング中に効率よく更新するための段階的テーブルを作成する
    incr_table = wandb.Table(columns=["step", "input", "prediction", "label"],
                            log_mode="INCREMENTAL")

    # トレーニングループ
    for step in range(get_num_batches()):
        # バッチを処理する
        inputs, labels = get_training_batch(step)
        predictions = model.predict(inputs)

        # 段階的テーブルにデータを追加する
        for inp, pred, label in zip(inputs, predictions, labels):
            incr_table.add_data(step, inp, pred, label)

        # 段階的な更新をログする（最終テーブルと区別するために -incr サフィックスを付ける）
        run.log({"table-incr": incr_table}, step=step)

    # トレーニング終了時に、すべてのデータを含む完全な不変テーブルを作成する
    # デフォルトの IMMUTABLE モードを使用してデータセット全体を保持する
    final_table = wandb.Table(columns=incr_table.columns, data=incr_table.data, log_mode="IMMUTABLE")
    run.log({"table": final_table})

import wandb
import numpy as np

with wandb.init(project="mutable-logging") as run:

    # Step 1: 初期予測をログする
    table = wandb.Table(columns=["input", "label", "prediction"], log_mode="MUTABLE")
    inputs, labels = load_eval_data()
    raw_preds = model.predict(inputs)

    for inp, label, pred in zip(inputs, labels, raw_preds):
        table.add_data(inp, label, pred)

    run.log({"eval_table": table})  # 生の予測をログする

    # Step 2: 信頼度スコアを追加する（例: softmax の最大値）
    confidences = np.max(raw_preds, axis=1)
    table.add_column("confidence", confidences)
    run.log({"eval_table": table})  # 信頼度情報を追加する

    # Step 3: 後処理済みの予測を追加する
    # （例: 閾値処理または平滑化された出力）
    post_preds = (confidences > 0.7).astype(int)
    table.add_column("final_prediction", post_preds)
    run.log({"eval_table": table})

# runを開始または再開する
resumed_run = wandb.init(project="resume-incremental", id="your-run-id", resume="must")

# 段階的な表を作成する。以前にログした表のデータを入力する必要はない
# 増分は引き続きTable artifactに追加される
table = wandb.Table(columns=["step", "metric"], log_mode="INCREMENTAL")

# ログを継続する
for step in range(resume_step, final_step):
    metric = compute_metric(step)
    table.add_data(step, metric)
    resumed_run.log({"metrics": table}, step=step)

resumed_run.finish()

with wandb.init(project="batch-training-incremental") as run:

    # 段階的な表を作成する
    table = wandb.Table(columns=["step", "input", "label", "prediction"], log_mode="INCREMENTAL")

    # トレーニングループのシミュレーション
    for step in range(get_num_batches()):
        # バッチデータを読み込む
        inputs, labels = get_training_batch(step)

        # このバッチでモデルをトレーニングする
        train_model_on_batch(inputs, labels)

        # モデルの推論を実行する
        predictions = predict_on_batch(inputs)

        # 表にデータを追加する
        for input_item, label, prediction in zip(inputs, labels, predictions):
            table.add_data(step, input_item, label, prediction)

        # 表の現在の状態を段階的にログする
        run.log({"training_table": table}, step=step)