ポイント集約

​

フルフィデリティ

• 極値とスパイクの保持: データ内の極値やスパイクが失われません。
• 最小値と最大値のポイントのレンダリング方法の設定: W&B アプリで、極値 (最小値/最大値) を陰影領域として表示するかどうかをインタラクティブに選択できます。
• データの忠実度を損なわないデータ探索: 特定のデータポイントにズームインすると、Weights & Biases は x 軸のバケットサイズを再計算します。そのため、精度を損なうことなくデータを探索できます。また、Weights & Biases は計算済みの集約をキャッシュして読み込み時間を短縮するため、大規模なデータセットを閲覧する際に便利です。

• Band (デフォルト) : 各バケット内の最小値と最大値を陰影付きの帯として表示し、線で全体的な傾向を示します。
• Line: ポイントを直接結ぶため、スパイクや落ち込みを見つけやすくなります。

​

フルフィデリティを有効にする

​

陰影表示を設定する

• Min/Max: 各 x 軸ポイントについて、最小値と最大値の間の領域を陰影で表示します。陰影部分には、各バケット内の最小値から最大値までのすべてのポイントが含まれます。 $$\text{Min/Max Range} = [\min(x_1, x_2, \ldots, x_n),\ \max(x_1, x_2, \ldots, x_n)]$$ ここで、x_1, x_2, \ldots, x_n は特定のバケット内の値です。
• Standard deviation: 各 x 軸ポイントについて、標準偏差を使用して値のばらつきを計算し、その領域を陰影で表示します。 $$SD = \sqrt{\frac{1}{n}\sum_{i=1}^{n}(x_i - \overline{x})^2}$$
• Standard error: 各 x 軸ポイントについて、値をサンプルサイズの平方根で割り、サンプリング誤差の度合いを計算します。 $$SE = \frac{SD}{\sqrt{n}}$$
• None: 陰影表示なし (デフォルト)。

1. Workspace にアクセスします。
2. 折れ線グラフにカーソルを合わせ、歯車アイコンをクリックします。
3. Data タブで、必要に応じて Point aggregation を フルフィデリティ に設定し、スムージングアルゴリズムを設定します。
4. Grouping タブで、Group runs をオンにします。必要に応じて、Group by に run の属性を設定します。
5. Agg を Mean (デフォルト)、Min、Max のいずれかに設定します。
6. Range を Min/Max、Std Dev、Std Err、None のいずれかに設定します。
7. Apply をクリックします。

​

データの忠実度を損なわずにデータを探索する

• 最小値: そのバケット内の最小値 (陰影表示に使用) 。
• 最大値: そのバケット内の最大値 (陰影表示に使用) 。
• ラインの値: そのバケット内の最後の値 (ラインの描画に使用) 。

1. Weights & Biases の project にアクセスします。
2. 左側のタブにある Workspace アイコンを選択します。
3. オプション: Workspace にラインプロットパネルを追加するか、既存のラインプロットパネルに移動します。
4. ズームインしたい領域をクリックしてドラッグで選択します。

​

ランダムサンプリング

​

ランダムサンプリングを有効にする

​

サンプリングされていないデータにアクセスする

# W&B API を初期化します
api = wandb.Api()
run = api.run("l2k2/examples-numpy-boston/i0wt6xua")

# 'Loss' メトリクスの履歴を取得します
history = run.scan_history(keys=["Loss"])

# 履歴から損失値を抽出します
losses = [row["Loss"] for row in history]