メインコンテンツへスキップ
これはインタラクティブなノートブックです。ローカルで実行するか、以下のリンクから利用できます:

​
preprocess_model_input を用いた評価で HuggingFace Datasets を使用する

​
注意: これは一時的な回避策です

このガイドでは、HuggingFace Datasets を Weave の評価で利用するための回避策を紹介します。

現在、このプロセスを簡素化する、よりシームレスなインテグレーションの開発を進めています。
この方法でも動作しますが、今後、外部データセットをより扱いやすくするための改善と更新が行われる予定です。

​
セットアップとインポート

まず Weave を初期化し、Experiments を追跡するために Weights & Biases に接続します。 
!pip install datasets wandb weave
python
# 変数を初期化する
HUGGINGFACE_DATASET = "wandb/ragbench-test-sample"
WANDB_KEY = ""
WEAVE_TEAM = ""
WEAVE_PROJECT = ""

# Weaveと必要なライブラリを初期化する
import asyncio

import nest_asyncio
import wandb
from datasets import load_dataset

import weave
from weave import Evaluation

# wandbにログインしてWeaveを初期化する
wandb.login(key=WANDB_KEY)
client = weave.init(f"{WEAVE_TEAM}/{WEAVE_PROJECT}")

# ネストされたイベントループを許可するためにnest_asyncioを適用する（一部のノートブック環境で必要）
nest_asyncio.apply()

​
HuggingFace データセットを読み込んで準備する

  • HuggingFace データセットを読み込みます。
  • データセットの各行を参照するためのインデックスマッピングを作成します。
  • このインデックス方式により、元のデータセットへの参照を維持できます。
Note:
インデックス内では、各行が一意の識別子を持つように、hf_id とともに hf_hub_name をエンコードします。 この一意のダイジェスト値は、評価中に特定のデータセットエントリを追跡および参照するために使用されます。 
# HuggingFaceデータセットを読み込む
ds = load_dataset(HUGGINGFACE_DATASET)
row_count = ds["train"].num_rows

# データセットのインデックスマッピングを作成する
# HFデータセットのインデックスを持つ辞書のリストを作成する
# 例: [{"hf_id": 0}, {"hf_id": 1}, {"hf_id": 2}, ...]
hf_index = [{"hf_id": i, "hf_hub_name": HUGGINGFACE_DATASET} for i in range(row_count)]

​
処理関数と評価関数を定義する

​
処理パイプライン

  • preprocess_example: インデックス参照を、評価に必要な実データへと変換します
  • hf_eval: モデル出力のスコアリング方法を定義します
  • function_to_evaluate: 実際に評価される関数／モデルです
@weave.op()
def preprocess_example(example):
    """
    評価前に各サンプルを前処理します。
    Args:
        example: hf_idを含むDict
    Returns:
        HFデータセットのプロンプトを含むDict
    """
    hf_row = ds["train"][example["hf_id"]]
    return {"prompt": hf_row["question"], "answer": hf_row["response"]}

@weave.op()
def hf_eval(hf_id: int, output: dict) -> dict:
    """
    モデル出力を評価するスコアリング関数。
    Args:
        hf_id: HFデータセット内のインデックス
        output: 評価対象のモデルからの出力
    Returns:
        評価スコアを含むDict
    """
    hf_row = ds["train"][hf_id]
    return {"scorer_value": True}

@weave.op()
def function_to_evaluate(prompt: str):
    """
    評価対象の関数（例：モデルやパイプライン）。
    Args:
        prompt: データセットからの入力プロンプト
    Returns:
        モデル出力を含むDict
    """
    return {"generated_text": "testing "}

​
評価を作成して実行する

  • hf_index の各インデックスに対して:
    1. preprocess_example が HF データセットから対応するデータを取得します。
    2. 前処理されたデータを function_to_evaluate に渡します。
    3. 出力を hf_eval でスコアリングします。
    4. 結果を Weave でトラッキングします。
# 評価オブジェクトを作成する
evaluation = Evaluation(
    dataset=hf_index,  # インデックスマッピングを使用する
    scorers=[hf_eval],  # スコアリング関数のリスト
    preprocess_model_input=preprocess_example,  # 入力を準備する関数
)

# 評価を非同期で実行する
async def main():
    await evaluation.evaluate(function_to_evaluate)

asyncio.run(main())