Tables の概要

データセットを継続的に改善し、モデルの予測を理解する

Colab で試すW&B で試す

W&B Tables を使って、表形式データを可視化し、クエリを実行できます。例えば次のようなことができます。

• 同じテストセット上で、異なるモデルの性能を比較する
• データ内のパターンを特定する
• モデル予測のサンプルを視覚的に確認する
• クエリで誤分類されがちなサンプルを抽出する

上の画像は、セマンティックセグメンテーションとカスタムメトリクスを含むテーブルを示しています。このテーブルは、W&B ML コースのサンプルプロジェクトで確認できます。

​

仕組み

Table は、各列が 1 種類のデータ型を持つ二次元のデータグリッドです。Table では、プリミティブ型や数値型に加えて、ネストされたリスト、辞書、リッチメディア型もサポートしています。

​

テーブルをログする

数行のコードでテーブルをログできます。

• wandb.init(): 結果を追跡するためのrunを作成します。
• wandb.Table(): 新しいテーブルオブジェクトを作成します。
  • columns: 列名を設定します。
  • data: テーブルの内容を設定します。
• run.log(): テーブルをログに記録して W&B に保存します。

import wandb

with wandb.init(project="table-test") as run:
    my_table = wandb.Table(columns=["a", "b"], data=[["a1", "b1"], ["a2", "b2"]])
    run.log({"Table Name": my_table})

​

始め方

• クイックスタート: データテーブルのログ記録、データの可視化、クエリの実行方法を学びます。
• Tables ギャラリー: Tables のユースケース例を参照できます。