表をログする

# モデルが 4 枚の画像に対する予測を返し、
# 次のフィールドが得られているとします:
# - 画像 ID
# - wandb.Image() でラップした画像のピクセル
# - モデルが予測したラベル
# - 正解ラベル
my_data = [
    [0, wandb.Image("img_0.jpg"), 0, 0],
    [1, wandb.Image("img_1.jpg"), 8, 0],
    [2, wandb.Image("img_2.jpg"), 7, 1],
    [3, wandb.Image("img_3.jpg"), 1, 1],
]

# 対応する列を指定して wandb.Table() を作成します
columns = ["id", "image", "prediction", "truth"]
test_table = wandb.Table(data=my_data, columns=columns)

# 各ラベルの信頼度スコアを含め、表の列を定義します
columns = ["id", "image", "guess", "truth"]
for digit in range(10):  # 各数字 (0～9) の信頼度スコア列を追加します
    columns.append(f"score_{digit}")

# 定義した列で表を初期化します
test_table = wandb.Table(columns=columns)

# テストデータセットを順に処理し、表に 1 行ずつデータを追加します
# 各行には、画像 ID、画像、予測ラベル、正解ラベル、信頼度スコアが含まれます
for img_id, img in enumerate(mnist_test_data):
    true_label = mnist_test_data_labels[img_id]  # 正解ラベル
    guess_label = my_model.predict(img)  # 予測ラベル
    test_table.add_data(
        img_id, wandb.Image(img), guess_label, true_label
    )  # 表に行データを追加します

import wandb

# run を初期化します 
with wandb.init(project="my_project") as run:

    # アーティファクトから既存の表を読み込みます
    best_checkpt_table = run.use_artifact(table_tag).get(table_name)

    # 再開に備えて、表からデータの最終行を取得します
    best_iter, best_metric_max, best_metric_min = best_checkpt_table.data[-1]

    # 必要に応じて最良のメトリクスを更新します

    # 更新したデータを表に追加します
    best_checkpt_table.add_data(best_iter, best_metric_max, best_metric_min)

    # 互換性を確保するため、更新後のデータで表を再初期化します
    best_checkpt_table = wandb.Table(
        columns=["col1", "col2", "col3"], data=best_checkpt_table.data
    )

    # run を初期化します
    with wandb.init() as run:

        # 更新した表を W&B にログします
        run.log({table_name: best_checkpt_table})

with wandb.init() as run:
    my_table = wandb.Table(columns=["a", "b"], data=[["1a", "1b"], ["2a", "2b"]])
    run.log({"table_key": my_table})

with wandb.init() as run:
    my_table = run.use_artifact("run-<run-id>-<table-name>:<tag>").get("<table-name>")

with wandb.init(project="my_project") as run:
    # 意味のある区切りのステップごとに wandb Artifact を作成します
    test_predictions = wandb.Artifact("mnist_test_preds", type="predictions")

    # [前述の手順で予測データを作成します]
    test_table = wandb.Table(data=data, columns=columns)
    test_predictions.add(test_table, "my_test_key")
    run.log_artifact(test_predictions)

import wandb

with wandb.init(project="my_project") as run:

    # 元の楽曲の表を取得
    orig_songs = run.use_artifact("original_songs:latest")
    orig_table = orig_songs.get("original_samples")

    # 合成した楽曲の表を取得
    synth_songs = run.use_artifact("synth_songs:latest")
    synth_table = synth_songs.get("synth_samples")

    # "song_id" をキーにして表を結合
    join_table = wandb.JoinedTable(orig_table, synth_table, "song_id")
    join_at = wandb.Artifact("synth_summary", "analysis")

    # 表をアーティファクトに追加して W&B にログする
    join_at.add(join_table, "synth_explore")
    run.log_artifact(join_at)