Personnaliser les axes de journalisation

Définissez un axe X personnalisé lorsque vous journalisez des métriques dans Weights & Biases. Par défaut, Weights & Biases journalise les métriques par step. Chaque step correspond à un appel d’API wandb.Run.log(). Par exemple, le script suivant contient une boucle for de 10 itérations. À chaque itération, le script journalise une métrique nommée validation_loss et incrémente de 1 le numéro de step.

import wandb

with wandb.init() as run:
  # la fonction range génère une séquence de nombres de 0 à 9
  for i in range(10):
    log_dict = {
        "validation_loss": 1/(i+1)   
    }
    run.log(log_dict)

Dans le workspace du projet, la métrique validation_loss est tracée en fonction de l’axe X step, qui augmente de 1 à chaque appel de wandb.Run.log(). Avec le code précédent, l’axe X affiche les valeurs de step 0, 1, 2, …, 9.

Panneau de graphique linéaire qui utilise `step` comme axe X.

Dans certains cas, il est plus pertinent de journaliser des métriques en fonction d’un autre axe X, par exemple un axe X logarithmique. La méthode define_metric() vous permet d’utiliser n’importe quelle métrique journalisée comme axe X personnalisé. Indiquez la métrique à afficher sur l’axe Y avec le paramètre name. Le paramètre step_metric indique la métrique à utiliser comme axe X. Lorsque vous journalisez une métrique personnalisée, indiquez une valeur pour l’axe X et une pour l’axe Y sous forme de paires clé-valeur dans un dictionnaire. Copiez-collez l’extrait de code suivant pour définir une métrique d’axe X personnalisée. Remplacez les valeurs entre <> par vos propres valeurs :

import wandb

custom_step = "<custom_step>"  # Nom de l’axe X personnalisé
metric_name = "<metric>"  # Nom de la métrique de l’axe Y

with wandb.init() as run:
    # Définir la métrique de step (axe X) et la métrique à journaliser en fonction de celle-ci (axe Y)
    run.define_metric(step_metric = custom_step, name = metric_name)

    for i in range(10):
        log_dict = {
            custom_step : int,  # Valeur de l’axe X
            metric_name : int,  # Valeur de l’axe Y
        }
        run.log(log_dict)

Par exemple, l’extrait de code suivant crée un axe X personnalisé nommé x_axis_squared. La valeur de cet axe X personnalisé correspond au carré de l’index i de la boucle for (i**2). L’axe Y contient des valeurs fictives de perte de validation ("validation_loss"), générées à l’aide du module intégré random de Python :

import wandb
import random

with wandb.init() as run:
    run.define_metric(step_metric = "x_axis_squared", name = "validation_loss")

    for i in range(10):
        log_dict = {
            "x_axis_squared": i**2,
            "validation_loss": random.random(),
        }
        run.log(log_dict)

L’image suivante montre le graphique obtenu dans l’interface de l’application W&B. La métrique validation_loss est représentée en fonction de l’axe X personnalisé x_axis_squared, qui correspond au carré de l’index i de la boucle for. Notez que les valeurs de l’axe X sont 0, 1, 4, 9, 16, 25, 36, 49, 64, 81, soit respectivement les carrés de 0, 1, 2, ..., 9.

Panneau de graphique linéaire utilisant un axe X personnalisé. Les valeurs sont consignées dans Weights & Biases sous la forme du carré du numéro d’itération de la boucle.

Vous pouvez définir un axe X personnalisé pour plusieurs métriques à l’aide de globs avec des préfixes de chaîne. Par exemple, l’extrait de code suivant représente les métriques journalisées ayant le préfixe train/* en fonction de l’axe X train/step :

import wandb

with wandb.init() as run:

    # utiliser ce step pour toutes les autres métriques train/
    run.define_metric("train/*", step_metric="train/step")

    for i in range(10):
        log_dict = {
            "train/step": 2**i,  # croissance exponentielle par rapport au step interne de W&B
            "train/loss": 1 / (i + 1),  # axe X : train/step
            "train/accuracy": 1 - (1 / (1 + i)),  # axe X : train/step
            "val/loss": 1 / (1 + i),  # axe X : step interne de wandb
        }
        run.log(log_dict)

Weights & Biases

Guides

Intégrations

Référence

Assistance

Personnaliser les axes de journalisation