Eval Table 만들기

W&B Python SDK를 사용해 Eval Table을 만들거나, ARIA로 기존 W&B Table을 변환하세요.

wandb.EvalTable 클래스를 사용해 Eval Table을 만드세요. 예를 들어, 다음과 같은 pandas 데이터프레임이 있다고 가정해 보겠습니다:

import pandas as pd
import wandb

df = pd.DataFrame(
    [
        {
            "image_id": "img_001",
            "true_label": "cat",
            "predicted_label": "cat",
            "confidence": 0.97,
            "correct": True,
        },
        {
            "image_id": "img_002",
            "true_label": "dog",
            "predicted_label": "cat",
            "confidence": 0.72,
            "correct": False,
        },
        {
            "image_id": "img_003",
            "true_label": "car",
            "predicted_label": "car",
            "confidence": 0.89,
            "correct": True,
        },
    ]
)

데이터프레임을 wandb.EvalTable에 전달해 Eval Table을 생성하세요. input_columns, output_columns, score_columns 인수를 사용해 각 column의 역할을 지정하세요. 다음 예시에서는 다음을 사용합니다.

입력으로 image_id
출력으로 predicted_label
점수로 correct 및 confidence

with wandb.init(project="classifier-eval-table-demo") as run:
    eval_table = wandb.EvalTable(
        dataframe=df,
        input_columns=["image_id"],
        output_columns=["predicted_label"],
        score_columns=["correct", "confidence"],
    )
    run.log({"validation_predictions_eval": eval_table})    

W&B Table을 Eval Table로 변환하기

변환 배너를 사용해 기존 W&B Table을 Eval Table로 변환하세요:

W&B Table이 있는 프로젝트로 이동하세요.
변환 배너에서 Try now 버튼을 선택하세요. 이 버튼을 선택하면 변환할 테이블 정보와 함께 ARIA가 열립니다.
ARIA의 대화 창에 표시되는 안내를 따르세요.

배너를 닫았거나 보이지 않는 경우에는 ARIA를 수동으로 여세요:

페이지 오른쪽 상단의 파란색 원을 선택해 ARIA를 여세요.
ARIA 대화에 /convert-eval-table을 입력하세요.
대화 창 오른쪽 하단에서 위쪽 화살표()로 표시된 Send를 선택하세요.

W&B Table을 변환해도 원본 테이블은 수정되지 않습니다.

​Eval Table 만들기

​W&B Table을 Eval Table로 변환하기

Eval Table 만들기

W&B Table을 Eval Table로 변환하기