Compararea metricilor și graficelor în DVC

CI/CD pentru Machine Learning

Ravi Bhadauria

Machine Learning Engineer

Configurarea fișierului DVC YAML

Configurați fișierul DVC YAML pentru a urmări metricile
Modificați din outs

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

În metrics

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

    metrics:
      - metrics.json:
          cache: false

Interogarea și compararea metricilor DVC

-> dvc metrics show

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

Modificați un hiperparametru și reluați 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

Configurarea acțiunii GitHub DVC

Adăugați acțiunea GitHub setup-dvc
Înlocuiți rularea scripturilor Python cu pipeline-ul DVC

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

  - name: Run DVC pipeline
    run: dvc repro

Configurarea acțiunii GitHub DVC

- 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 în acțiune

Captură de ecran a unui comentariu pe pull request cu diferența de metrici față de ramura main

Tipuri de grafice în DVC

scatter - grafic scatter
linear - grafic liniar interactiv
simple - grafic liniar personalizabil, non-interactiv
smooth - grafic liniar cu netezire
confusion - matrice de confuzie
confusion_normalized - matrice de confuzie cu valori normalizate în intervalul <0, 1>
bar_horizontal - grafic cu bare orizontale
bar_horizontal_sorted - grafic cu bare orizontale sortate după dimensiune

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

Configurarea fișierului DVC YAML pentru grafice

stages:
  train:
    ...
    plots:
    - predictions.csv: # Name of file containing predictions
        template: confusion # Style of plot

        x: predicted_label # X-axis column name in csv file 
        y: true_label # Y-axis column name in csv file
        x_label: 'Predicted label'
        y_label: 'True label'
        title: Confusion matrix

        cache: false # Save in Git

Vizualizarea matricei de confuzie

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

Grafic matrice de confuzie generat de DVC

Compararea matricei de confuzie

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

Grafic comparativ al matricei de confuzie generat de DVC

Compararea curbelor ROC

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

# Changes 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

Grafic comparativ al curbei ROC generat de DVC

Să exersăm!

CI/CD pentru Machine Learning