Eval Tables 보기

Eval Table을 만들 때는 어떤 열에 입력, 출력, 점수가 포함되는지 지정하세요. W&B는 해당 열을 Eval Table의 각 대응 섹션으로 그룹화합니다. 다음 예시는 EvalTable 객체의 기본 구조를 보여줍니다.

import wandb

wandb.EvalTable(
    input_columns=["column1", "column2"],
    output_columns=["output_column1", "output_column2"],
    score_columns=["score_column1", "score_column2"],
)

다음 각 인수에 하나 이상의 열 이름을 전달하세요:

input_columns: 이미지, 프롬프트, 정답 레이블처럼 모델에 제공되는 데이터입니다.
output_columns: 예측이나 생성된 응답처럼 모델이 생성한 값입니다.
score_columns: 출력을 평가하는 데 사용되는 메트릭 또는 기타 값입니다.

W&B는 이러한 열을 Eval Table의 Inputs, Outputs, Scores 섹션에 표시합니다.

이 페이지의 예시는 Create an Eval Table의 코드를 사용합니다. 전체 예제를 보거나 복사하려면 View code를 펼치세요.

View code

import pandas as pd
import wandb

df = pd.DataFrame(
    [
        {
            "image_id": "img_001",
            "true_label": "cat",
            "predicted_label": "cat",
            "confidence": 0.97,
            "correct": True,
        },
        {
            "image_id": "img_002",
            "true_label": "dog",
            "predicted_label": "cat",
            "confidence": 0.72,
            "correct": False,
        },
        {
            "image_id": "img_003",
            "true_label": "car",
            "predicted_label": "car",
            "confidence": 0.89,
            "correct": True,
        },
    ]
)

df["correct"] = df["correct"].astype(object)  # 기본 Python bool 값을 유지합니다

with wandb.init(project="classifier-eval-table-demo") as run:
    eval_table = wandb.EvalTable(
        dataframe=df,
        input_columns=["image_id", "true_label"],
        output_columns=["predicted_label"],
        score_columns=["correct", "confidence"],
    )
    run.log({"validation_predictions_eval": eval_table})

예를 들어, Create an Eval Table의 코드 예시를 살펴보겠습니다:

import wandb

with wandb.init(project="classifier-eval-table-demo") as run:
    eval_table = wandb.EvalTable(
        dataframe=df,
        input_columns=["image_id", "true_label"],
        output_columns=["predicted_label"],
        score_columns=["correct", "confidence"],
    )
    run.log({"validation_predictions_eval": eval_table})

이 예시에서는 다음과 같습니다.

Inputs 섹션에는 image_id 및 true_label 열이 있습니다.
Outputs 섹션에는 predicted_label 열이 있습니다.
Scores 섹션에는 correct 및 confidence 열이 있습니다.

다음 이미지는 이러한 섹션을 보여줍니다.

상세 뷰

행을 선택하면 해당 예시의 상세 뷰가 열립니다. 상세 뷰에는 예시의 입력, 출력, 점수가 표시됩니다. 다음 이미지는 Eval Table의 첫 번째 행에 대한 상세 뷰를 보여줍니다.

테이블에 열이 많거나 여러 Runs의 결과를 비교할 때는 상세 뷰를 사용해 예시를 확인하세요. 현재 테이블 뷰에서 예시 간에 이동하려면 Inputs 섹션 위에 있는 위쪽 또는 아래쪽 화살표를 선택하세요.

데이터 필터링

필터를 사용해 특정 조건에 일치하는 행만 표시할 수 있습니다. 필터를 추가하려면 다음과 같이 하세요.

테이블 위의 Filter 버튼을 선택하세요.
드롭다운에서 필터링할 열을 선택하세요.
연산자를 선택하세요.
값을 지정하세요.

W&B는 필터를 테이블에 자동으로 적용하고, 조건에 일치하는 행만 표시합니다.

여러 필터를 적용할 수 있습니다. 필터를 제거하려면 해당 필터 옆의 X를 선택하세요.

열 표시 또는 숨기기

Columns 메뉴를 사용해 Eval Table에 표시할 열을 제어하세요. 사용 가능한 열은 테이블에 로깅된 데이터에 따라 달라집니다. 열을 표시하거나 숨기려면 다음 단계를 따르세요.

테이블 위의 Columns를 선택합니다.
표시할 열은 선택하고, 숨길 열은 선택 해제합니다.

다음 이미지는 사용 가능한 모든 열이 선택된 Columns 메뉴를 보여줍니다.

가이드

인테그레이션

레퍼런스

상세 뷰

데이터 필터링

열 표시 또는 숨기기

​상세 뷰

​데이터 필터링

​열 표시 또는 숨기기

상세 뷰

데이터 필터링

열 표시 또는 숨기기