Experiments 에서 플롯 생성 및 추적하기

기계학습 Experiments 에서 차트를 생성하고 추적합니다.

wandb.plot의 메소드를 사용하면 트레이닝 중 시간에 따라 변하는 차트를 포함하여 wandb.Run.log()로 차트를 추적할 수 있습니다. 커스텀 차트 프레임워크에 대해 자세히 알아보려면 커스텀 차트 가이드를 확인하세요.

​

기본 차트

이 간단한 차트들을 사용하면 메트릭과 결과의 기본적인 시각화를 쉽게 구축할 수 있습니다.

Line

임의의 축에 연결되고 정렬된 포인트 리스트인 커스텀 라인 플롯을 로그합니다.

import wandb

# run 초기화
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"
            )
        }
    )

이를 사용하여 모든 두 차원에서의 곡선을 로그할 수 있습니다. 두 개의 값 리스트를 서로 플로팅하는 경우, 리스트의 값 개수는 정확히 일치해야 합니다. 예를 들어, 각 포인트는 x와 y 값을 모두 가져야 합니다.

앱에서 보기

코드 실행하기

Scatter

임의의 x축과 y축 쌍에 대한 포인트 리스트 (x, y)인 커스텀 산점도를 로그합니다.

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")})

이를 사용하여 모든 두 차원에서의 산점도 포인트를 로그할 수 있습니다. 두 개의 값 리스트를 서로 플로팅하는 경우, 리스트의 값 개수는 정확히 일치해야 합니다. 예를 들어, 각 포인트는 x와 y 값을 모두 가져야 합니다.

앱에서 보기

코드 실행하기

Bar

몇 줄의 코드로 레이블이 지정된 값의 리스트인 커스텀 바 차트를 네이티브하게 로그합니다.

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"
        )
    }
)

이를 사용하여 임의의 바 차트를 로그할 수 있습니다. 리스트 내 레이블과 값의 개수는 정확히 일치해야 합니다. 각 데이터 포인트는 두 가지를 모두 가져야 합니다.

앱에서 보기

코드 실행하기

Histogram

발생 횟수/빈도에 따라 값 리스트를 빈(bin)으로 분류하는 커스텀 히스토그램을 몇 줄의 코드로 로그합니다. 예를 들어, 예측 신뢰도 점수(scores) 리스트가 있고 그 분포를 시각화하고 싶다고 가정해 보겠습니다.

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")})

이를 사용하여 임의의 히스토그램을 로그할 수 있습니다. data는 행과 열의 2D 배열을 지원하도록 설계된 리스트의 리스트임에 유의하세요.

앱에서 보기

코드 실행하기

Multi-line

공유된 x-y축 세트에 여러 개의 라인 또는 여러 개의 서로 다른 x-y 좌표 쌍 리스트를 플로팅합니다.

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 정확히 일치해야 합니다. 여러 y 값 리스트에 대해 하나의 x 값 리스트를 제공하거나, 각 y 값 리스트에 대해 별도의 x 값 리스트를 제공할 수 있습니다.

앱에서 보기

​

모델 평가 차트

이러한 프리셋 차트에는 내장된 wandb.plot() 메소드가 있어 스크립트에서 직접 차트를 로그하고 UI에서 원하는 정보를 빠르고 쉽게 확인할 수 있습니다.

PR 곡선

한 줄의 코드로 PR 곡선을 생성합니다.

import wandb
with wandb.init() as run:
    # ground_truth는 실제 레이블 리스트, predictions는 예측된 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 다음에 엑세스할 수 있을 때 언제든지 이를 로그할 수 있습니다.

• 예시 세트에 대한 모델의 예측 점수 (predictions)
• 해당 예시에 대응하는 그라운드 트루스 레이블 (ground_truth)
• (선택 사항) 레이블/클래스 이름 리스트 (예: 레이블 인덱스 0이 cat, 1이 dog, 2가 bird인 경우 labels=["cat", "dog", "bird"...])
• (선택 사항) 플롯에 시각화할 레이블의 서브셋 (리스트 형식)

앱에서 보기

코드 실행하기

ROC curves

한 줄의 코드로 ROC 곡선을 생성합니다.

import wandb

with wandb.init() as run:
    # ground_truth는 실제 레이블 리스트, predictions는 예측된 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({"roc": wandb.plot.roc_curve(ground_truth, predictions)})

코드에서 다음에 엑세스할 수 있을 때 언제든지 이를 로그할 수 있습니다.

• 예시 세트에 대한 모델의 예측 점수 (predictions)
• 해당 예시에 대응하는 그라운드 트루스 레이블 (ground_truth)
• (선택 사항) 레이블/클래스 이름 리스트 (예: 레이블 인덱스 0이 cat, 1이 dog, 2가 bird인 경우 labels=["cat", "dog", "bird"...])
• (선택 사항) 플롯에 시각화할 레이블의 서브셋 (리스트 형식)

앱에서 보기

코드 실행하기

Confusion matrix

한 줄의 코드로 멀티 클래스 혼동 행렬을 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 다음에 엑세스할 수 있을 때 어디서나 이를 로그할 수 있습니다.

• 예시 세트에 대한 모델의 예측 레이블(preds) 또는 정규화된 확률 점수(probs). 확률값은 (예시 개수, 클래스 개수)의 형태여야 합니다. 확률 또는 예측값 중 하나만 제공해야 하며 둘 다 제공할 수는 없습니다.
• 해당 예시에 대응하는 그라운드 트루스 레이블 (y_true)
• class_names 문자열로 된 전체 레이블/클래스 이름 리스트. 예: 인덱스 0이 cat, 1이 dog, 2가 bird인 경우 class_names=["cat", "dog", "bird"].

​앱에서 보기​

​코드 실행하기

​

인터랙티브 커스텀 차트

완전한 커스터마이징을 위해 내장된 Custom Chart 프리셋을 수정하거나 새 프리셋을 생성한 다음 차트를 저장하세요. 차트 ID를 사용하여 스크립트에서 해당 커스텀 프리셋으로 데이터를 직접 로그할 수 있습니다.

import wandb
# 플로팅할 컬럼을 포함한 테이블 생성
table = wandb.Table(data=data, columns=["step", "height"])

# 테이블의 컬럼에서 차트의 필드로 매핑
fields = {"x": "step", "value": "height"}

# 테이블을 사용하여 새 커스텀 차트 프리셋 채우기
# 직접 저장한 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 로그
    run.log({"my_custom_chart": my_custom_chart})

코드 실행하기

​

Matplotlib 및 Plotly 플롯

wandb.plot()을 사용하는 W&B Custom Charts 대신 matplotlib 및 Plotly로 생성된 차트를 로그할 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 로그
    run.log({"chart": plt})

matplotlib 플롯 또는 피규어 오브젝트를 wandb.Run.log()에 전달하기만 하면 됩니다. 기본적으로 플롯은 Plotly 플롯으로 변환됩니다. 플롯을 이미지로 로그하려면 wandb.Image에 플롯을 전달할 수 있습니다. Plotly 차트도 직접 지원합니다.

“You attempted to log an empty plot” 오류가 발생하는 경우, fig = plt.figure()를 사용하여 피규어를 플롯과 별도로 저장한 다음 wandb.Run.log() 호출 시 fig를 로그하세요.

​

W&B Tables에 커스텀 HTML 로그

W&B는 Plotly 및 Bokeh의 인터랙티브 차트를 HTML로 로그하고 Tables에 추가하는 것을 지원합니다.

​

Plotly 피규어를 HTML로 Tables에 로그

인터랙티브 Plotly 차트를 HTML로 변환하여 wandb Tables에 로그할 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 피규어를 위한 경로 생성
    path_to_plotly_html = "./plotly_figure.html"

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

    # Plotly 피규어를 HTML로 작성
    # auto_play를 False로 설정하면 테이블에서 애니메이션 Plotly 차트가 
    # 자동으로 재생되는 것을 방지합니다.
    fig.write_html(path_to_plotly_html, auto_play=False)

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

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

​

Bokeh 피규어를 HTML로 Tables에 로그

인터랙티브 Bokeh 차트를 HTML로 변환하여 wandb Tables에 로그할 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})