Comparer des mesures et des graphiques dans DVC

CI/CD pour le Machine Learning

Ravi Bhadauria

Machine Learning Engineer

Configuration du fichier YAML de DVC

Configurer le fichier YAML de DVC pour suivre les mesures entre expériences
Remplacer outs

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

Par metrics

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

    metrics:
      - metrics.json:
          cache: false

Interroger et comparer les mesures DVC

-> dvc metrics show

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

Modifiez un hyperparamètre et relancez 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

Configurer l'action GitHub DVC

Ajouter l'action GitHub setup-dvc
Remplacer l'exécution des scripts Python par le pipeline DVC

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

  - name: Run DVC pipeline
    run: dvc repro

Configurer l'action GitHub DVC

- name: Write CML report
  env:
    REPO_TOKEN: ${{ secrets.GITHUB_TOKEN }}
  run: |
    # Afficher les mesures de la branche courante
    dvc metrics show --md >> report.md

    # Comparer aux mesures de la branche main
    git fetch --prune
    dvc metrics diff --md main >> report.md

    # Créer le rapport CML
    cml comment create report.md

Pipeline en action

Capture d'écran d'un commentaire de demande de tirage montrant l'écart des mesures par rapport à la branche main

Types de graphiques dans DVC

scatter - nuage de points
linear - graphique linéaire interactif
simple - graphique linéaire personnalisable non interactif
smooth - graphique linéaire avec lissage
confusion - matrice de confusion
confusion_normalized - matrice de confusion avec valeurs normalisées dans l'intervalle <0, 1>
bar_horizontal - diagramme à barres horizontal
bar_horizontal_sorted - diagramme à barres horizontal trié par taille de barre

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

Configurer DVC YAML pour les graphiques

stages:
  train:
    ...
    plots:
    - predictions.csv: # Nom du fichier contenant les prédictions
        template: confusion # Type de graphique

        x: predicted_label # Nom de la colonne de l'axe X dans le fichier csv 
        y: true_label # Nom de la colonne de l'axe Y dans le fichier csv
        x_label: 'Predicted label'
        y_label: 'True label'
        title: Confusion matrix

        cache: false # Enregistrer dans Git

Tracer une matrice de confusion

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

Affichage d'une matrice de confusion générée par DVC

Comparer une matrice de confusion

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

Graphique des écarts de matrice de confusion généré par DVC

Comparer des courbes ROC

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

# Modifications dans 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

Graphique des écarts de courbes ROC généré par DVC

Passons à la pratique !

CI/CD pour le Machine Learning