[부스트캠프 Tech Talk] 신원지_Wandb Visualization
0 likes410 views
[부스트캠프 Tech Talk] Wandb Visualization 발표자료입니다. 발표자: 신원지 캠퍼
![3.1 테이블 생성
1) List of Rows
• 컬럼명과 데이터의 행을 기록
• wandb.Table(columns=["a", "b", "c"], data=[["1a", "1b", "1c"], ["2a", "2b",
"2c"]])
22](https://image.slidesharecdn.com/boostcampaitechtechtalkshinwonji-211210113635/85/Tech-Talk-_Wandb-Visualization-22-320.jpg)
[부스트캠프 Tech Talk] 신원지_Wandb Visualization
- 1. Wandb Visualization # Wandb # Weight and Biases # Visualization # EDA 신원지
- 2. Contents 0. Motivation 1. Introduction 2. Tables Quickstart 3. Log Tables 2
- 3. 0. Motivation • 부스트캠프에서 wandb를 처음 알게됨 • 처음 보는 기능에 문화충격 • 새로운 기능들 발견 • Table의 다양한 사용 방식 • Jupyter notebook 과의 비교 • 여러 library 기능을 한 번에 • Docs 의 한글화 3
- 4. 1. Introduction Wandb Tables • Tabular data 를 query, 기록, 분석 가능 • 이를 통해 데이터셋 이해, 모델 예측 시각화, 인사이트 공유 등이 가능 • 모델, epoch, 개별 예제 간 정확한 비교분석 • 시각적 표본을 통한 인사이트 도출 & 공유 • 데이터의 고수준 패턴 이해 4
- 5. 1.1 log table 사용 방법 • 가장 빠른 방법 • wandb.log({"table": my_dataframe}) • Table에 다양한 media 타입의 요소들을 기록 가능 • Rich media types : Audio, BoundingBoxes2D, Graph, Histogram, Html, Image, ImageMask, Molecule, Object3D, Plotly, Table, Video 5
- 6. 1.2 Wandb Tables? • 각 컬럼이 한 종류의 데이터 타입을 가지는 2차원 grid data • 지원 타입 • nested lists, • dictionaries • rich media types • primitive and numeric types 6
- 7. 1.3 Why use Tables? 1) Actually See your data • 모델 학습 또는 평가 동안 metrics와 rich media 기록 • 클라우드 또는 self-hosted instance에 지속적으로 연동된 결과를 시각화 7
- 8. 1.3 Why use Tables? 2) Interactively explore your data • View, sort, filter, group, join, query 등의 기능 이용 가능 • Static file을 확인하거나 분석 스크립트 실행 불필요 8
- 9. 1.3 Why use Tables? 3) 모델 버전 비교 • 다른 학습 에포크, 데이터셋, 하이퍼파라미터, 모델 아키텍쳐 등 빠른 비교 9
- 10. 1.3 Why use Tables? 4) 미시적, 거시적 추적 • 특정 단계 에서의 구체적 예측 시각화(미시적) • 한 가지 모델에서의 단계 비교 • 통계 모음, 오류 패턴 식별, 개선점 발견(거시적) • 다른 모델 버전에서의 결과 비교 10
- 11. 1.3 Why use Tables? 5) Wandb Table을 이용한 프로젝트 예시 Image Classification 11
- 12. 1.3 Why use Tables? 5) Wandb Table을 이용한 프로젝트 예시 Audio 12
- 13. 1.3 Why use Tables? 5) Wandb Table을 이용한 프로젝트 예시 Text 13
- 14. 1.3 Why use Tables? 5) Wandb Table을 이용한 프로젝트 예시 Video 14
- 15. 1.3 Why use Tables? 5) Wandb Table을 이용한 프로젝트 예시 Model Variants 비교 (semantic segmentation) 15
- 16. 2. Tables Quickstart 2.1 Log a Table 2.2 Visualize tables in the workspace 2.3 Compare across model versions 16
- 17. 2.1 Log a Table • Run 초기화 → wandb.Table() 생성 -> run에 table 기록 17
- 18. 2.2 Visualize tables in the workspace • 각각의 유일한 테이블 key에 새로운 panel이 할당 됨 • “Table Name” 이란 key에 my_table 이 기록됨 18
- 19. 2.3 Compare across model versions • 프로젝트 워크스페이스에서 다수의 실행이 기록된 table 을 비교 가능 • 여러번의 실행을 결합하는 방법 예시 • 모델의 결과를 탐색하고 평가하기 위한 feature 들을 table을 이용해 필터, 정렬, 그룹화 가능 19
- 20. 3. Log Tables 3.1 테이블 생성 3.2 데이터 추가 3.3 데이터 탐색 3.4 테이블 저장 3.5 Advanced : Artifact Tables 20
- 21. 3.1 테이블 생성 • 데이터 각각의 행에 대해 보고싶은 열들의 구체화 • row : 트레이닝 데이터셋의 개별 요소, 학습 동안의 특정 단계 또는 epoch, 테스트 item에 대한 모델의 예측, 모델이 생성한 object • Column type : numeric, text, boolean, image, video, audio 등 • column 명 명시 필요 없음(column index의 타입만 전달) • 2가지 방법 사용 가능 21
- 22. 3.1 테이블 생성 1) List of Rows • 컬럼명과 데이터의 행을 기록 • wandb.Table(columns=["a", "b", "c"], data=[["1a", "1b", "1c"], ["2a", "2b", "2c"]]) 22
- 23. 3.1 테이블 생성 2) Pandas DataFrame • wandb.Table(dataframe=my_df)를 사용해 DataFrame 기록 • Column names == DataFrame의 column names 23
- 24. 3.2 데이터 추가 • 200,000행 까지 데이터 추가, 변경 가능 • 2가지 데이터 추가 방법 1) Add a row • table.add_data("3a", "3b", "3c") • 추가 row 는 List가 아님 • list 의 방식을 원하면 table.add_data(*my_row_list) 와 같이 *1) 이용 • 추가 row도 같은 수의 column 1) *(asterisk) : container type의 data를 unpaking 할 때 사용 24
- 25. 3.2 데이터 추가 2) Add a column • table.add_column(name="col_name", data=col_data) • Col_data : list data, numpy NDArray 가능 • len(Col_data) == 현재 테이블의 row 수 25
- 26. 3.3 데이터 탐색 1) Row Iterator • for ndx, row in table.iterrows(): … 같은 방식으로 데이터 탐색 가능 2) Get a Column • table.get_column("col_name") • convert_to="numpy" 를 사용하면 column을 Numpy NDArray로 변경 가능 • wandb.Image 같은 media type에서 underlying data에 직접 접근 가능 26
- 27. 3.4 테이블 저장 1) Run에 테이블 기록 • wandb.log() 이용 • 같은 key에 기록될 때마다 새 버전의 테이블이 생성, 저장됨 • 이를 이용해 시간 변화에 따른 모델 예측 향상, 실행 비교 등 가능 • 최대 200,000개 • 최대치 이상 기록할 경우 wandb.Table.MAX_ROWS = X 와 같은 방식 사용 • 위의 방식은 UI 에서 query가 늦어지는 등의 performance issue가 있음 27
- 28. 3.4 테이블 저장 2) Table 접근 방식 A. Run Summary • Key에 기록된 run의 마지막 테이블에 접근 B. Artifact Access • 특정 버전을 이용하고 싶은 경우 artifact API 이용 28
- 29. 3.5 Advanced Artifact Tables 1) artifact.add() è workspace 대신 Artifacts section 이용 가능 29
- 30. 3.5 Advanced Artifact Tables 2) Join Artifacts Tables • Artifact에 기록한 2 테이블 join 가능 • Artifact에서 가져와 새로운 테이블에 join 30
- 31. Further Reading • Visualize Predictions Over Time • How to Compare Tables in Workspaces • Image & Classification Models • Text & Generative Language Models • Named Entity Recognition • AlphaFold Proteins 31
- 32. Reference • Wandb docs • 실습코드 깃헙 • Blog 32
- 33. Q&A 33
- 34. 감사합니다 34