Membandingkan metrik dan plot di DVC

CI/CD untuk Machine Learning

Ravi Bhadauria

Machine Learning Engineer

Mengonfigurasi file DVC YAML

Konfigurasikan file DVC YAML untuk melacak metrik lintas eksperimen
Ubah dari outs

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

Ke metrics

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

    metrics:
      - metrics.json:
          cache: false

Mengkueri dan membandingkan metrik DVC

-> dvc metrics show

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

Ubah satu hiperparameter dan jalankan ulang 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

Menyiapkan DVC GitHub Action

Tambahkan GitHub Action setup-dvc
Ganti eksekusi skrip Python dengan pipeline DVC

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

  - name: Jalankan pipeline DVC
    run: dvc repro

Menyiapkan DVC GitHub Action

- name: Tulis laporan CML
  env:
    REPO_TOKEN: ${{ secrets.GITHUB_TOKEN }}
  run: |
    # Cetak metrik cabang saat ini
    dvc metrics show --md >> report.md

    # Bandingkan metrik dengan cabang main
    git fetch --prune
    dvc metrics diff --md main >> report.md

    # Buat laporan CML
    cml comment create report.md

Pipeline berjalan

Tangkapan layar komentar pull request yang menampilkan perbedaan metrik terhadap cabang main

Jenis plot di DVC

scatter - plot sebar
linear - plot linear interaktif
simple - plot linear kustom non-interaktif
smooth - plot linear dengan pemulusan
confusion - matriks kebingungan
confusion_normalized - matriks kebingungan dengan nilai dinormalisasi ke rentang <0, 1>
bar_horizontal - plot batang horizontal
bar_horizontal_sorted - plot batang horizontal diurutkan menurut ukuran batang

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

Mengonfigurasi DVC YAML untuk plot

stages:
  train:
    ...
    plots:
    - predictions.csv: # Nama file yang memuat prediksi
        template: confusion # Gaya plot

        x: predicted_label # Nama kolom sumbu X di file csv 
        y: true_label # Nama kolom sumbu Y di file csv
        x_label: 'Predicted label'
        y_label: 'True label'
        title: Confusion matrix

        cache: false # Simpan di Git

Plotting Confusion Matrix

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

Plot tampilan matriks kebingungan yang dihasilkan DVC

Membandingkan Confusion Matrix

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

Plot perbandingan matriks kebingungan yang dihasilkan DVC

Membandingkan Kurva ROC

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

# Perubahan di 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

Plot perbandingan kurva ROC yang dihasilkan DVC

Ayo berlatih!

CI/CD untuk Machine Learning