실험에서 플롯을 생성하고 추적하기

머신러닝 실험에서 생성한 플롯을 만들고 추적합니다.

wandb.plot의 메서드를 사용하면 트레이닝 중 시간에 따라 변화하는 차트를 포함해 wandb.Run.log()으로 차트를 추적할 수 있습니다. 커스텀 차트 프레임워크에 대해 더 알아보려면 커스텀 차트 워크스루를 확인하세요.

​

기본 차트

이러한 간단한 차트는 메트릭과 결과를 기본적인 시각화로 손쉽게 표현할 수 있게 해줍니다.

꺾은선

사용자 지정 선형 플롯을 로깅합니다. 선형 플롯은 임의의 축 위에서 순서가 있는 점들을 선으로 연결한 목록입니다.

import wandb

with wandb.init() as run:
    data = [[x, y] for (x, y) in zip(x_values, y_values)]
    table = wandb.Table(data=data, columns=["x", "y"])
    run.log(
        {
            "my_custom_plot_id": wandb.plot.line(
                table, "x", "y", title="Custom Y vs X Line Plot"
            )
        }
    )

이 기능을 사용하면 임의의 두 차원에서 곡선을 로깅할 수 있습니다. 두 개의 값 리스트를 서로 대응시켜 플로팅하는 경우, 각 리스트의 값 개수가 정확히 일치해야 합니다. 예를 들어, 각 점에는 x와 y가 하나씩 있어야 합니다.

앱에서 보기

코드 실행하기

산점도

커스텀 산점도를 로그합니다. 이 산점도는 임의의 두 축 x, y 상의 점 (x, y) 목록으로 구성됩니다.

import wandb

with wandb.init() as run:
    data = [[x, y] for (x, y) in zip(class_x_scores, class_y_scores)]
    table = wandb.Table(data=data, columns=["class_x", "class_y"])
    run.log({"my_custom_id": wandb.plot.scatter(table, "class_x", "class_y")})

이 기능을 사용해 임의의 두 차원에서 산점도 점을 로깅할 수 있습니다. 두 개의 값 리스트를 서로 대응시켜 플로팅하려면, 두 리스트의 값 개수가 정확히 일치해야 합니다. 예를 들어, 각 점에는 x 값과 y 값이 모두 있어야 합니다.

앱에서 보기

코드 실행하기

막대 차트

레이블이 있는 값 목록을 막대로 표현한 사용자 정의 막대 차트를 몇 줄의 코드만으로 바로 로깅합니다:

import wandb

with wandb.init() as run:
    data = [[label, val] for (label, val) in zip(labels, values)]
    table = wandb.Table(data=data, columns=["label", "value"])
    run.log(
        {
        "my_bar_chart_id": wandb.plot.bar(
            table, "label", "value", title="Custom Bar Chart"
        )
    }
)

임의의 막대 차트를 로깅할 때 이 기능을 사용할 수 있습니다. 목록에 있는 레이블과 값의 개수는 정확히 일치해야 합니다. 각 데이터 포인트에는 두 값이 모두 있어야 합니다.

앱에서 보기

코드 실행

히스토그램

발생 횟수/빈도에 따라 값 리스트를 구간(bin)으로 나누는 사용자 정의 히스토그램을, 몇 줄의 코드만으로 바로 로깅할 수 있습니다. 예를 들어 예측 신뢰도 점수 리스트(scores)가 있고, 이들의 분포를 시각화하고 싶다고 해 봅시다:

import wandb

with wandb.init() as run:
    data = [[s] for s in scores]
    table = wandb.Table(data=data, columns=["scores"])
    run.log({"my_histogram": wandb.plot.histogram(table, "scores", title="Histogram")})

임의의 히스토그램을 로깅하는 데 이를 사용할 수 있습니다. data는 행과 열로 구성된 2D 배열을 지원하기 위한 리스트의 리스트라는 점에 유의하세요.

앱에서 보기

코드 실행하기

멀티라인

여러 개의 선 또는 서로 다른 x-y 좌표쌍 목록을 하나의 공통 x-y 축에 그립니다:

import wandb
with wandb.init() as run:
    run.log(
        {
            "my_custom_id": wandb.plot.line_series(
                xs=[0, 1, 2, 3, 4],
                ys=[[10, 20, 30, 40, 50], [0.5, 11, 72, 3, 41]],
            keys=["metric Y", "metric Z"],
            title="Two Random Metrics",
            xname="x units",
        )
    }
)

x와 y 포인트의 개수는 반드시 정확히 일치해야 합니다. 하나의 x 값 리스트를 여러 개의 y 값 리스트와 함께 사용하거나, 각 y 값 리스트마다 별도의 x 값 리스트를 사용할 수 있습니다.

앱에서 보기

​

모델 평가 차트

이러한 프리셋 차트에는 wandb.plot() 메서드가 내장되어 있어, 스크립트에서 차트를 바로 로깅하고 UI에서 원하는 정보를 정확하고 빠르게 확인할 수 있습니다.

정밀도-재현율 곡선

Precision-Recall 곡선을 한 줄의 코드로 생성하세요:

import wandb
with wandb.init() as run:
    # ground_truth는 실제 레이블 리스트이고, predictions는 예측 점수 리스트입니다
    # 예: ground_truth = [0, 1, 1, 0], predictions = [0.1, 0.4, 0.35, 0.8]
    ground_truth = [0, 1, 1, 0]
    predictions = [0.1, 0.4, 0.35, 0.8]
    run.log({"pr": wandb.plot.pr_curve(ground_truth, predictions)})

코드에서 다음 정보에 접근할 수 있게 되면 언제든지 이를 로깅할 수 있습니다:

• 예제 집합에 대한 모델의 예측 점수(predictions)
• 해당 예제들에 대한 정답 레이블(ground_truth)
• (선택 사항) 레이블 인덱스 0이 cat, 1이 dog, 2가 bird 등을 의미하는 경우의 레이블/클래스 이름 목록(labels=["cat", "dog", "bird"...])
• (선택 사항) 플롯에서 시각화할 레이블의 부분 집합(리스트 형식 유지)

앱에서 보기

코드 실행

ROC 곡선

다음과 같이 한 줄로 ROC curve를 생성할 수 있습니다:

import wandb

with wandb.init() as run:
    # ground_truth는 실제 레이블 목록이고, predictions는 예측 점수 목록입니다
    # 예: ground_truth = [0, 1, 1, 0], predictions = [0.1, 0.4, 0.35, 0.8]
    ground_truth = [0, 1, 1, 0]
    predictions = [0.1, 0.4, 0.35, 0.8]
    run.log({"roc": wandb.plot.roc_curve(ground_truth, predictions)})

코드에서 다음 데이터에 접근할 수 있을 때마다 이를 로깅할 수 있습니다:

• 예제 집합에 대한 모델의 예측 점수(predictions)
• 해당 예제에 대한 정답 레이블(ground_truth)
• (선택 사항) 레이블 인덱스 0이 cat, 1이 dog, 2가 bird 등을 의미할 때 사용하는 레이블/클래스 이름 목록(labels=["cat", "dog", "bird"...])
• (선택 사항) 플롯에서 시각화할 이 레이블들의 부분집합(리스트 형식 유지)

앱에서 보기

코드 실행하기

혼동 행렬

한 줄의 코드로 다중 클래스 confusion matrix를 생성합니다:

import wandb

cm = wandb.plot.confusion_matrix(
    y_true=ground_truth, preds=predictions, class_names=class_names
)

with wandb.init() as run:
    run.log({"conf_mat": cm})

코드에서 아래 항목들에 접근할 수만 있다면, 어디서든 이를 로깅할 수 있습니다:

• 특정 예제 집합에 대해 모델이 예측한 레이블(preds) 또는 정규화된 확률 점수(probs). 확률 값의 형태는 (예제 개수, 클래스 개수)가 되어야 합니다. 확률 또는 예측값 중 하나만 제공할 수 있으며, 둘 다 동시에 제공할 수는 없습니다.
• 해당 예제들에 대한 정답 레이블(y_true)
• 전체 레이블/클래스 이름을 문자열 리스트로 담은 class_names. 예시: 인덱스 0이 cat, 1이 dog, 2가 bird라면 class_names=["cat", "dog", "bird"].

​앱에서 보기​

​코드 실행하기

​

대화형 커스텀 차트

완전히 커스터마이징하려면 기본 제공 Custom Chart 프리셋을 조정하거나 새 프리셋을 만든 뒤 차트를 저장하세요. 차트 ID를 사용하면 스크립트에서 해당 커스텀 프리셋으로 데이터를 곧바로 로깅할 수 있습니다.

import wandb
# 플롯할 열이 포함된 테이블 생성
table = wandb.Table(data=data, columns=["step", "height"])

# 테이블의 열을 차트의 필드에 매핑
fields = {"x": "step", "value": "height"}

# 테이블을 사용하여 새 커스텀 차트 프리셋 채우기
# 저장된 차트 프리셋을 사용하려면 vega_spec_name을 변경하세요
# 제목을 수정하려면 string_fields를 변경하세요
my_custom_chart = wandb.plot_table(
    vega_spec_name="carey/new_chart",
    data_table=table,
    fields=fields,
    string_fields={"title": "Height Histogram"},
)

with wandb.init() as run:
    # 커스텀 차트 로깅
    run.log({"my_custom_chart": my_custom_chart})

코드 실행하기

​

Matplotlib 및 Plotly 플롯

wandb.plot()과 함께 W&B Custom Charts를 사용하는 대신 matplotlib 및 Plotly로 생성한 차트를 W&B에 로깅할 수 있습니다.

import wandb
import matplotlib.pyplot as plt

with wandb.init() as run:
    # 간단한 matplotlib 플롯 생성
    plt.figure()
    plt.plot([1, 2, 3, 4])
    plt.ylabel("some interesting numbers")
    
    # W&B에 플롯 기록
    run.log({"chart": plt})

matplotlib 플롯 또는 figure 객체를 wandb.Run.log()에 전달하면 됩니다. 기본적으로 플롯은 Plotly 플롯으로 변환됩니다. 플롯을 이미지로 로깅하고 싶다면, 플롯을 wandb.Image에 전달하면 됩니다. Plotly 차트도 직접 전달할 수 있습니다.

“You attempted to log an empty plot” 오류가 발생한다면, fig = plt.figure()로 플롯과 분리된 figure를 생성한 뒤, wandb.Run.log() 호출에서 fig를 로깅하면 됩니다.

​

커스텀 HTML을 W&B Tables에 로깅하기

W&B는 Plotly와 Bokeh에서 생성한 대화형 차트를 HTML로 로깅하고 Tables에 추가하는 기능을 지원합니다.

​

Plotly 차트를 HTML로 변환해 Tables에 로깅하기

Plotly의 대화형 차트를 HTML로 변환해 wandb Tables에 로깅할 수 있습니다.

import wandb
import plotly.express as px

# 새 run 초기화
with wandb.init(project="log-plotly-fig-tables", name="plotly_html") as run:

    # 테이블 생성
    table = wandb.Table(columns=["plotly_figure"])

    # Plotly 그림 경로 생성
    path_to_plotly_html = "./plotly_figure.html"

    # Plotly 그림 예시
    fig = px.scatter(x=[0, 1, 2, 3, 4], y=[0, 1, 4, 9, 16])

    # Plotly 그림을 HTML로 저장
    # auto_play를 False로 설정하면 애니메이션 Plotly 차트가
    # 테이블에서 자동으로 재생되지 않음
    fig.write_html(path_to_plotly_html, auto_play=False)

    # Plotly 그림을 HTML 파일로 테이블에 추가
    table.add_data(wandb.Html(path_to_plotly_html))

    # 테이블 로깅
    run.log({"test_table": table})

​

Bokeh 피겨를 HTML로 Tables에 로깅하기

Bokeh의 대화형 차트를 HTML로 변환하여 wandb Tables에 로깅할 수 있습니다.

from scipy.signal import spectrogram
import holoviews as hv
import panel as pn
from scipy.io import wavfile
import numpy as np
from bokeh.resources import INLINE

hv.extension("bokeh", logo=False)
import wandb


def save_audio_with_bokeh_plot_to_html(audio_path, html_file_name):
    sr, wav_data = wavfile.read(audio_path)
    duration = len(wav_data) / sr
    f, t, sxx = spectrogram(wav_data, sr)
    spec_gram = hv.Image((t, f, np.log10(sxx)), ["Time (s)", "Frequency (hz)"]).opts(
        width=500, height=150, labelled=[]
    )
    audio = pn.pane.Audio(wav_data, sample_rate=sr, name="Audio", throttle=500)
    slider = pn.widgets.FloatSlider(end=duration, visible=False)
    line = hv.VLine(0).opts(color="white")
    slider.jslink(audio, value="time", bidirectional=True)
    slider.jslink(line, value="glyph.location")
    combined = pn.Row(audio, spec_gram * line, slider).save(html_file_name)


html_file_name = "audio_with_plot.html"
audio_path = "hello.wav"
save_audio_with_bokeh_plot_to_html(audio_path, html_file_name)

wandb_html = wandb.Html(html_file_name)

with wandb.init(project="audio_test") as run:
    my_table = wandb.Table(columns=["audio_with_plot"], data=[[wandb_html]])
    run.log({"audio_table": my_table})