Comparando métricas e gráficos no DVC

CI/CD para Machine Learning

Ravi Bhadauria

Machine Learning Engineer

Configurando o arquivo YAML do DVC

Configure o arquivo YAML do DVC para acompanhar métricas entre experimentos
Mude de outs

stages:
  preprocess:
    ...
  train:
    ...
    outs:
    - metrics.json
    - confusion_matrix.png

Para metrics

stages:
  preprocess:
    ...
  train:
    ...
    outs:
    - confusion_matrix.png

    metrics:
      - metrics.json:
          cache: false

Consultando e comparando métricas no DVC

-> dvc metrics show

Path          accuracy    f1_score    precision    recall             
metrics.json  0.947       0.8656      0.988        0.7702

Altere um hiperparâmetro e rode dvc repro

-> dvc metrics diff

Path          Metric     HEAD    workspace    Change                  
metrics.json  accuracy   0.947   0.9995       0.0525
metrics.json  f1_score   0.8656  0.9989       0.1333
metrics.json  precision  0.988   0.9993       0.0113
metrics.json  recall     0.7702  0.9986       0.2284

¹ https://dvc.org/doc/command-reference/metrics

Configurando a GitHub Action do DVC

Adicione a GitHub Action setup-dvc
Substitua a execução de scripts Python pelo pipeline do DVC

steps:
  ...
  - name: Setup DVC
    uses: iterative/setup-dvc@v1

  - name: Run DVC pipeline
    run: dvc repro

Configurando a GitHub Action do DVC

- name: Write CML report
  env:
    REPO_TOKEN: ${{ secrets.GITHUB_TOKEN }}
  run: |
    # Mostrar métricas da branch atual
    dvc metrics show --md >> report.md

    # Comparar métricas com a branch main
    git fetch --prune
    dvc metrics diff --md main >> report.md

    # Criar relatório CML
    cml comment create report.md

Pipeline em ação

Captura de tela de um comentário no pull request mostrando o diff de métricas em relação à branch main

Tipos de gráficos no DVC

scatter - gráfico de dispersão
linear - gráfico linear interativo
simple - gráfico linear personalizável não interativo
smooth - gráfico linear com suavização
confusion - matriz de confusão
confusion_normalized - matriz de confusão com valores normalizados para o intervalo <0, 1>
bar_horizontal - gráfico de barras horizontal
bar_horizontal_sorted - gráfico de barras horizontal ordenado por tamanho

¹ https://dvc.org/doc/user-guide/experiment-management/visualizing-plots#plot-templates-data-series-only

Configurando YAML do DVC para gráficos

stages:
  train:
    ...
    plots:
    - predictions.csv: # Nome do arquivo com as previsões
        template: confusion # Estilo do gráfico

        x: predicted_label # Nome da coluna do eixo X no arquivo csv 
        y: true_label # Nome da coluna do eixo Y no arquivo csv
        x_label: 'Predicted label'
        y_label: 'True label'
        title: Confusion matrix

        cache: false # Salvar no Git

Plotando a matriz de confusão

-> dvc plots show predictions.csv
file:///path/to/index.html

Gráfico de matriz de confusão gerado pelo DVC

Comparando a matriz de confusão

-> dvc plots diff --target predictions.csv main
file:///path/to/index.html

Gráfico de diff da matriz de confusão gerado pelo DVC

Comparando curvas ROC

# Mudanças em Python
y_proba = model.predict_proba(X_test)
fpr, tpr, _ = roc_curve(y_test, 
                        y_proba[:, 1])

# Mudanças no dvc.yaml
plots:
- roc_curve.csv:
    template: simple
    x: fpr
    y: tpr
    x_label: 'False Positive Rate'
    y_label: 'True Positive Rate'
    title: ROC curve
    cache: false

Gráfico de diff de curva ROC gerado pelo DVC

Vamos praticar!

CI/CD para Machine Learning