Intégrez W&B à Deepchecks pour valider des modèles de machine learning et des jeux de données grâce à des tests automatisés et au suivi des expériences.
DeepChecks vous aide à valider vos modèles de machine learning et vos données avec un minimum d’effort. Vous pouvez vérifier l’intégrité de vos données, examiner leurs distributions, valider les découpages des données, évaluer votre modèle et comparer différents modèles. Cette page montre comment utiliser l’intégration DeepChecks avec W&B afin de consigner les résultats de validation et les suites de tests avec vos expériences.Pour plus d’informations, voir le guide d’intégration DeepChecks W&B.
Pour utiliser DeepChecks avec W&B, commencez par vous inscrire pour créer un compte W&B. Grâce à l’intégration W&B dans DeepChecks, vous pouvez commencer par exécuter une seule vérification et téléverser le résultat vers W&B :
import wandbwandb.login()# importer votre vérification depuis deepchecksfrom deepchecks.checks import ModelErrorAnalysis# exécuter votre vérificationresult = ModelErrorAnalysis()# téléverser ce résultat vers wandbresult.to_wandb()
En plus de journaliser des vérifications individuelles, vous pouvez journaliser une suite de tests DeepChecks complète dans W&B :
import wandbwandb.login()# importez vos tests full_suite depuis deepchecksfrom deepchecks.suites import full_suite# créez et exécutez une suite de tests DeepCheckssuite_result = full_suite().run(...)# téléversez ces résultats vers wandb# vous pouvez ici transmettre toutes les configurations et arguments wandb.init dont vous avez besoinsuite_result.to_wandb(project="my-suite-project", config={"suite-name": "full-suite"})