DeepChecks

W&B を Deepchecks と統合し、自動テストと実験管理によって ML モデルとデータセットを検証します。

DeepChecks を使うと、データの整合性の確認、分布の調査、データ分割の検証、モデルの評価、異なるモデル同士の比較など、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。

DeepChecks と wandb インテグレーションの詳細はこちら ->

はじめに

DeepChecks で W&B を使用するには、まず W&B アカウント にサインアップする必要があります。DeepChecks の W&B インテグレーションを使えば、次のようにすぐに使い始められます。

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()

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にプッシュする
# wandb.initに必要な設定や引数をここで渡すことができる
suite_result.to_wandb(project="my-suite-project", config={"suite-name": "full-suite"})

例

このReportでは、DeepChecks と W&B を組み合わせることで得られる強力な機能を紹介しています。

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。