Metric en plots vergelijken in DVC

CI/CD voor Machine Learning

Ravi Bhadauria

Machine Learning Engineer

DVC YAML-bestand configureren

Configureer het DVC YAML-bestand om metrics over experimenten te volgen
Wijzig van outs

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

Naar metrics

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

    metrics:
      - metrics.json:
          cache: false

DVC-metrics opvragen en vergelijken

-> dvc metrics show

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

Wijzig een hyperparameter en voer dvc repro opnieuw uit

-> 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

DVC GitHub Action instellen

Voeg de setup-dvc GitHub Action toe
Vervang losse Python-scripts door de DVC-pipeline

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

  - name: Run DVC pipeline
    run: dvc repro

DVC GitHub Action instellen

- name: Write CML report
  env:
    REPO_TOKEN: ${{ secrets.GITHUB_TOKEN }}
  run: |
    # Print metrics of current branch
    dvc metrics show --md >> report.md

    # Compare metrics with main branch
    git fetch --prune
    dvc metrics diff --md main >> report.md

    # Create CML report
    cml comment create report.md

Pipeline in actie

Schermafbeelding van een pull request-opmerking met metrics-diff t.o.v. de main-branch

Plottypes in DVC

scatter - spreidingsdiagram
linear - interactieve lijngrafiek
simple - niet-interactieve, aanpasbare lijngrafiek
smooth - lijngrafiek met smoothing
confusion - verwarringsmatrix
confusion_normalized - verwarringsmatrix met waarden genormaliseerd tot bereik <0, 1>
bar_horizontal - horizontale staafdiagram
bar_horizontal_sorted - horizontale staafdiagram gesorteerd op staafgrootte

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

DVC YAML voor plots configureren

stages:
  train:
    ...
    plots:
    - predictions.csv: # Naam van bestand met voorspellingen
        template: confusion # Plotstijl

        x: predicted_label # X-as kolomnaam in csv-bestand 
        y: true_label # Y-as kolomnaam in csv-bestand
        x_label: 'Predicted label'
        y_label: 'True label'
        title: Confusion matrix

        cache: false # In Git opslaan

Verwarringsmatrix plotten

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

Weergave van verwarringsmatrix-plot gegenereerd door DVC

Verwarringsmatrix vergelijken

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

DVC-plot met verschil van verwarringsmatrix

ROC-curves vergelijken

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

# Wijzigingen in 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

DVC-plot met verschil in ROC-curves

Laten we oefenen!

CI/CD voor Machine Learning