> ## Documentation Index
> Fetch the complete documentation index at: https://wb-21fd5541-docs-2751.mintlify.site/llms.txt
> Use this file to discover all available pages before exploring further.
> 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
export const ColabLink = ({url}) =>
Essayer sur Colab
;
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](https://docs.deepchecks.com/stable/general/usage/exporting_results/auto_examples/plot_exports_output_to_wandb.html).
## Premiers pas
Pour utiliser DeepChecks avec W\&B, commencez par vous inscrire pour créer un [compte W\&B](https://wandb.ai/site). Grâce à l’intégration W\&B dans DeepChecks, vous pouvez commencer par exécuter une seule vérification et téléverser le résultat vers W\&B :
```python theme={null}
import wandb
wandb.login()
# importer votre vérification depuis deepchecks
from deepchecks.checks import ModelErrorAnalysis
# exécuter votre vérification
result = ModelErrorAnalysis()
# téléverser ce résultat vers wandb
result.to_wandb()
```
En plus de journaliser des vérifications individuelles, vous pouvez journaliser une suite de tests DeepChecks complète dans W\&B :
```python theme={null}
import wandb
wandb.login()
# importez vos tests full_suite depuis deepchecks
from deepchecks.suites import full_suite
# créez et exécutez une suite de tests DeepChecks
suite_result = full_suite().run(...)
# téléversez ces résultats vers wandb
# vous pouvez ici transmettre toutes les configurations et arguments wandb.init dont vous avez besoin
suite_result.to_wandb(project="my-suite-project", config={"suite-name": "full-suite"})
```
## Exemple
Pour voir à quoi ressemble l’intégration en pratique, explorez le [W\&B Report Validez vos données et vos modèles avec Deepchecks](https://wandb.ai/cayush/deepchecks/reports/Validate-your-Data-and-Models-with-Deepchecks-and-W-B--VmlldzoxNjY0ODc5), qui montre comment utiliser DeepChecks et W\&B ensemble.
Si vous avez des questions ou des problèmes avec cette intégration W\&B, ouvrez une issue dans le [dépôt GitHub de DeepChecks](https://github.com/deepchecks/deepchecks) et nous vous répondrons.
Si vous avez des questions ou des problèmes avec cette intégration W\&B, ouvrez une issue dans le [dépôt GitHub de DeepChecks](https://github.com/deepchecks/deepchecks) et nous vous répondrons.