> ## Documentation Index
> Fetch the complete documentation index at: https://wb-21fd5541-docs-sandboxes-integrations-placement.mintlify.site/llms.txt
> Use this file to discover all available pages before exploring further.

> 分析のために、マージビューまたは並列ビューで W&B Tables のデータを比較、フィルター、グループ化、並べ替え、可視化します。

# Tables を可視化して分析する

機械学習モデルのパフォーマンスに関する疑問に答えたり、データを分析したりするために、W\&B Tables をカスタマイズできます。

データをインタラクティブに探索して、次のことを行えます。

* データやモデル性能の変化を分析するために、artifact バージョンとしてログされた [2 つの W\&B Tables を比較する](#table-comparison-options)
* データ内のより大きなパターンを把握する
* [表にログした値が run 全体を通してどのように変化するかを確認する](#visualize-how-values-change-throughout-your-runs)

<Note>
  W\&B Tables には次のような特性があります。

  1. **artifact コンテキストでは stateless**: artifact バージョンとともにログされた表は、ブラウザーウィンドウを閉じるとデフォルトの状態にリセットされます
  2. **Workspace または レポート コンテキストでは stateful**: 単一 run の Workspace、複数 run のプロジェクト Workspace、または レポート で表に加えた変更は保持されます。

  現在の W\&B Table ビューを保存する方法については、[ビューを保存する](#save-your-view) を参照してください。
</Note>

<div id="table-comparison-options">
  ## 表の比較オプション
</div>

2 つの表は、[マージ ビュー](#merged-view) または [並列ビュー](#side-by-side-view) で比較できます。たとえば、以下の画像は MNIST データの表比較を示しています。

<Frame>
  <img src="https://mintcdn.com/wb-21fd5541-docs-sandboxes-integrations-placement/o_NUj-zO1if2NqBx/images/data_vis/table_comparison.png?fit=max&auto=format&n=o_NUj-zO1if2NqBx&q=85&s=ecfa3f2dd734a3fb8c6943454f234dd0" alt="トレーニング エポックの比較" max-width="90%" width="2256" height="1182" data-path="images/data_vis/table_comparison.png" />
</Frame>

2 つの表を比較するには、次の step に従います。

1. W\&B App で対象のプロジェクトに移動します。
2. プロジェクトのサイドバーで Artifacts アイコンを選択します。
3. artifact バージョンを選択します。

以下の画像は、5 つのエポックそれぞれの後における、MNIST 検証データに対するモデルの予測を示しています ([インタラクティブな例はこちら](https://wandb.ai/stacey/mnist-viz/artifacts/predictions/baseline/d888bc05719667811b23/files/predictions.table.json)) 。

<Frame>
  <img src="https://mintcdn.com/wb-21fd5541-docs-sandboxes-integrations-placement/o_NUj-zO1if2NqBx/images/data_vis/preds_mnist.png?fit=max&auto=format&n=o_NUj-zO1if2NqBx&q=85&s=7c4bcb5c050654ab08001aac9a1093a7" alt="「predictions」をクリックして表を表示" max-width="90%" width="1698" height="1062" data-path="images/data_vis/preds_mnist.png" />
</Frame>

3. サイドバーで比較したい 2 つ目の artifact バージョンにカーソルを合わせ、**Compare** が表示されたらクリックします。たとえば、以下の画像では、「v4」というラベルの付いたバージョンを選択し、同じモデルが 5 エポックのトレーニング後に行った MNIST の予測と比較しています。

<Frame>
  <img src="https://mintcdn.com/wb-21fd5541-docs-sandboxes-integrations-placement/o_NUj-zO1if2NqBx/images/data_vis/preds_2.png?fit=max&auto=format&n=o_NUj-zO1if2NqBx&q=85&s=68724edc0f6943a1b6cbf775badfb500" alt="モデル予測の比較" max-width="90%" width="1328" height="1292" data-path="images/data_vis/preds_2.png" />
</Frame>

<div id="merged-view">
  ### マージ ビュー
</div>

最初は、2 つの表をマージした状態で表示されます。最初に選択した表はインデックス 0 で青色にハイライトされ、2 つ目の表はインデックス 1 で黄色にハイライトされます。[マージされた表のライブ例はこちら](https://wandb.ai/stacey/mnist-viz/artifacts/predictions/baseline/d888bc05719667811b23/files/predictions.table.json#7dd0cd845c0edb469dec)。

<Frame>
  <img src="https://mintcdn.com/wb-21fd5541-docs-sandboxes-integrations-placement/o_NUj-zO1if2NqBx/images/data_vis/merged_view.png?fit=max&auto=format&n=o_NUj-zO1if2NqBx&q=85&s=6294002bce636ae33f4bc5d90645fee5" alt="マージ ビュー" max-width="90%" width="2048" height="1039" data-path="images/data_vis/merged_view.png" />
</Frame>

マージ ビューでは、次のことができます

* **結合キーを選択する**: 左上のドロップダウンを使用して、2 つの表の結合キーとして使用する列を設定します。通常、これは各行の一意の ID です。たとえば、データセット内の特定の例のファイル名や、生成したサンプルに付けられた連番のインデックスなどです。なお、現在は *任意の* 列を選択できますが、その場合は表が判読しづらくなったり、クエリが遅くなったりすることがあります。
* **結合ではなく連結する**: このドロップダウンで "concatenating all tables" を選択すると、列同士を結合する代わりに、両方の表の *すべての行をまとめて* 1 つのより大きな Table にできます
* **各 Table を明示的に参照する**: フィルター式で 0、1、\* を使用して、一方または両方の表インスタンス内の列を明示的に指定します
* **詳細な数値の差分をヒストグラムで可視化する**: 任意のセルの値をひと目で比較できます

<div id="side-by-side-view">
  ### 並列ビュー
</div>

2 つの表を左右に並べて表示するには、最初のドロップダウンを "Merge Tables: Table" から "List of: Table" に変更し、続いてそれぞれの "Page size" を更新します。このとき、最初に選択した Table が左側に、2 つ目の Table が右側に表示されます。また、"Vertical" チェックボックスをクリックすると、これらの表を上下に並べて比較することもできます。

<Frame>
  <img src="https://mintcdn.com/wb-21fd5541-docs-sandboxes-integrations-placement/o_NUj-zO1if2NqBx/images/data_vis/side_by_side.png?fit=max&auto=format&n=o_NUj-zO1if2NqBx&q=85&s=cdfb5fa2a59118319175a321442f596c" alt="表の横並び表示" max-width="90%" width="2762" height="1254" data-path="images/data_vis/side_by_side.png" />
</Frame>

* **表をひと目で比較する**: 任意の操作 (並べ替え、フィルター、グループ化) を両方の表に連動して適用し、変更や差分をすばやく見つけられます。たとえば、誤った予測を予測ごとにグループ化して表示したり、全体で最も難しいハードネガティブや、正解ラベルごとの信頼度スコアの分布を確認したりできます。
* **2 つの表を個別に調べる**: スクロールしながら、注目したい側や行にそれぞれ集中できます

<div id="compare-artifacts">
  ## Artifacts を比較する
</div>

artifact バージョンとしてログされた 2 つの W\&B Tables を比較して、データやモデル性能の変化を分析します。表を比較するには、マージ ビューまたは並列ビューを使用してください。

<div id="compare-tables-across-time">
  ### 時間経過に沿って表を比較する
</div>

トレーニングの経過に伴うモデル性能を分析するには、トレーニング中の意味のある各 step ごとに、artifact に表をログします。たとえば、各検証 step の終了時、トレーニング 50 エポックごと、またはパイプラインに適した任意の頻度で表をログできます。並列ビューを使用して、モデルの予測の変化を可視化します。

<Frame>
  <img src="https://mintcdn.com/wb-21fd5541-docs-sandboxes-integrations-placement/hS4tNv5jzsGoCezc/images/data_vis/compare_across_time.png?fit=max&auto=format&n=hS4tNv5jzsGoCezc&q=85&s=b97367843d6e4f1ce4e33eab4c6ed908" alt="トレーニング進行状況の比較" max-width="90%" width="2620" height="1384" data-path="images/data_vis/compare_across_time.png" />
</Frame>

トレーニングの経過に伴う予測の可視化についてより詳しくは、[predictions over time レポート](https://wandb.ai/stacey/mnist-viz/reports/Visualize-Predictions-over-Time--Vmlldzo1OTQxMTk) と、このインタラクティブな[ノートブックの例](https://colab.research.google.com/github/wandb/examples/blob/master/colabs/datasets-predictions/W%26B_Tables_Quickstart.ipynb?_gl=1*kf20ui*_gcl_au*OTI3ODM1OTcyLjE3MzE0MzU1NjU.*_ga*ODEyMjQ4MjkyLjE3MzE0MzU1NjU.*_ga_JH1SJHJQXJ*MTczMTcwNTMwNS45LjEuMTczMTcwNTM5My4zMy4wLjA.*_ga_GMYDGNGKDT*MTczMTcwNTMwNS44LjEuMTczMTcwNTM5My4wLjAuMA..) を参照してください。

<div id="compare-tables-across-model-variants">
  ### モデルバリアント間で表を比較する
</div>

異なる 2 つのモデルについて、同じ step でログされた 2 つの artifact バージョンを比較し、設定の違い (ハイパーパラメーターやベースアーキテクチャなど) によるモデル性能を分析します。

たとえば、`baseline` と新しいモデルバリアント `2x_layers_2x_lr` の予測を比較します。このバリアントでは、1 つ目の畳み込み層が 32 から 64 に、2 つ目が 128 から 256 に、学習率が 0.001 から 0.002 にそれぞれ増えています。[このライブ例](https://wandb.ai/stacey/mnist-viz/artifacts/predictions/baseline/d888bc05719667811b23/files/predictions.table.json#2bb3b1d40aa777496b5d\$2x_layers_2x_lr)では、並列ビューを使用して、1 エポックのトレーニング後 (左タブ) と 5 エポックのトレーニング後 (右タブ) の不正解の予測に絞り込んでください。

<Tabs>
  <Tab title="1 トレーニングエポック">
    <Frame>
      <img src="https://mintcdn.com/wb-21fd5541-docs-sandboxes-integrations-placement/hS4tNv5jzsGoCezc/images/data_vis/compare_across_variants.png?fit=max&auto=format&n=hS4tNv5jzsGoCezc&q=85&s=b18800a726fa18f4c41597a850997cd4" alt="パフォーマンスの比較" width="2636" height="1436" data-path="images/data_vis/compare_across_variants.png" />
    </Frame>
  </Tab>

  <Tab title="5 トレーニングエポック">
    <Frame>
      <img src="https://mintcdn.com/wb-21fd5541-docs-sandboxes-integrations-placement/hS4tNv5jzsGoCezc/images/data_vis/compare_across_variants_after_5_epochs.png?fit=max&auto=format&n=hS4tNv5jzsGoCezc&q=85&s=e345fad24d5711fd69fa7339d9936c2b" alt="バリアントのパフォーマンス比較" width="2628" height="1390" data-path="images/data_vis/compare_across_variants_after_5_epochs.png" />
    </Frame>
  </Tab>
</Tabs>

<div id="visualize-how-values-change-throughout-your-runs">
  ## run 全体を通じて値がどのように変化するかを可視化する
</div>

step スライダーを使うと、表にログした値が run 全体を通じてどのように変化するかを確認できます。step スライダーを動かすと、異なる step でログされた値を表示できます。たとえば、各 run の進行に伴って、損失、accuracy、そのほかのメトリクスがどのように変化するかを確認できます。

このスライダーでは、step の値を決めるためにキーを使用します。スライダーのデフォルトキーは `_step` です。これは、W\&B が自動的にログする特別なキーです。`_step` キーは整数で、コード内で `wandb.Run.log()` を call するたびに 1 ずつ増加します。

W\&B Table に step スライダーを追加するには、次の手順に従います。

1. プロジェクトのWorkspaceにアクセスします。
2. Workspaceの画面右上にある **Add panel** をクリックします。
3. **Query panel** を選択します。
4. クエリ式エディタ内で `runs` を選択し、キーボードの **Enter** を押します。
5. 歯車アイコンをクリックして、パネルの設定を表示します。
6. **Render As** セレクタを **Stepper** に設定します。
7. **Stepper Key** を `_step`、または step スライダーの[単位として使用するキー](#custom-step-keys)に設定します。

次の画像は、3 つの W\&B Runs と、それらが step 295 でログした値を表示した Query panel を示しています。

<Frame>
  <img src="https://mintcdn.com/wb-21fd5541-docs-sandboxes-integrations-placement/o_NUj-zO1if2NqBx/images/data_vis/stepper_key.png?fit=max&auto=format&n=o_NUj-zO1if2NqBx&q=85&s=d03eeac84f517682524cfaac70f64239" alt="step スライダー機能" width="3492" height="2370" data-path="images/data_vis/stepper_key.png" />
</Frame>

W\&B App UI では、複数の step で同じ値が重複して表示されることがあります。これは、複数の run が異なる step で同じ値をログした場合や、run がすべての step で値をログしていない場合に発生します。特定の step で値が欠けている場合、W\&B はスライダーキーについて、最後にログされた値を使用します。

<div id="custom-step-key">
  ### カスタム step キー
</div>

step キーには、`epoch` や `global_step` のように、runs で step キーとしてログする任意の数値メトリクスを使用できます。カスタム step キーを使用すると、W\&B はそのキーの各値を run 内の step (`_step`) に対応付けます。

この表は、カスタム step キー `epoch` が、`serene-sponge`、`lively-frog`、`vague-cloud` という 3 つの異なる runs において `_step` 値にどのように対応するかを示しています。各行は、run 内の特定の `_step` での `wandb.Run.log()` の call を表します。各列には、その step でログされた対応する `epoch` の値があれば表示されます。スペースを節約するため、一部の `_step` 値は省略しています。

`wandb.Run.log()` が最初に call された時点では、どの run でも `epoch` 値はログされていなかったため、この表では `epoch` は空欄になっています。

| `_step` | vague-cloud (`epoch`) | lively-frog(`epoch`) | serene-sponge (`epoch`) |
| ------- | --------------------- | -------------------- | ----------------------- |
| 1       |                       |                      |                         |
| 2       |                       |                      | 1                       |
| 4       |                       | 1                    | 2                       |
| 5       | 1                     |                      |                         |
| 6       |                       |                      | 3                       |
| 8       |                       | 2                    | 4                       |
| 10      |                       |                      | 5                       |
| 12      |                       | 3                    | 6                       |
| 14      |                       |                      | 7                       |
| 15      | 2                     |                      |                         |
| 16      |                       | 4                    | 8                       |
| 18      |                       |                      | 9                       |
| 20      | 3                     | 5                    | 10                      |

ここで、スライダーが `epoch = 1` に設定されている場合、次のようになります。

* `vague-cloud` は `epoch = 1` を見つけ、`_step = 5` でログされた値を返します
* `lively-frog` は `epoch = 1` を見つけ、`_step = 4` でログされた値を返します
* `serene-sponge` は `epoch = 1` を見つけ、`_step = 2` でログされた値を返します

スライダーが `epoch = 9` に設定されている場合:

* `vague-cloud` も `epoch = 9` をログしていないため、W\&B はそれ以前で最新の値である `epoch = 3` を使用し、`_step = 20` でログされた値を返します
* `lively-frog` は `epoch = 9` をログしていませんが、それ以前で最新の値は `epoch = 5` なので、`_step = 20` でログされた値を返します
* `serene-sponge` は `epoch = 9` を見つけ、`_step = 18` でログされた値を返します

<div id="save-your-view">
  ## 表示を保存する
</div>

run Workspace、ワークスペース、または レポート で操作した Tables では、表示状態が自動的に保存されます。表に対して操作を適用したあとでブラウザーを閉じても、次回その表にアクセスしたときに、最後に表示していた設定が保持されます。

<Note>
  artifact コンテキストで操作した Tables はステートレスのままです。
</Note>

Workspace 内の表を特定の状態で保存するには、W\&B レポート にエクスポートします。表を レポート にエクスポートするには、次の手順を実行します。

1. Workspace の可視化パネルの画面右上にある **action (<Icon icon="ellipsis-vertical" iconType="solid" />)** メニューを選択します。
2. **Share panel** または **Add to report** を選択します。

<Frame>
  <img src="https://mintcdn.com/wb-21fd5541-docs-sandboxes-integrations-placement/o_NUj-zO1if2NqBx/images/data_vis/share_your_view.png?fit=max&auto=format&n=o_NUj-zO1if2NqBx&q=85&s=9401e528f70d7a0ea052f3bf4ebc87cb" alt="レポート の共有オプション" max-width="90%" width="1128" height="434" data-path="images/data_vis/share_your_view.png" />
</Frame>

<div id="examples">
  ## 例
</div>

以下のReportsでは、W\&B Tables のさまざまなユースケースを紹介しています。

* [時間経過に伴う予測の可視化](https://wandb.ai/stacey/mnist-viz/reports/Visualize-Predictions-over-Time--Vmlldzo1OTQxMTk)
* [Workspaces で Tables を比較する方法](https://wandb.ai/stacey/xtable/reports/How-to-Compare-Tables-in-Workspaces--Vmlldzo4MTc0MTA)
* [画像と分類モデル](https://wandb.ai/stacey/mendeleev/reports/Tables-Tutorial-Visualize-Data-for-Image-Classification--VmlldzozNjE3NjA)
* [テキストと生成言語モデル](https://wandb.ai/stacey/nlg/reports/Tables-Tutorial-Visualize-Text-Data-Predictions---Vmlldzo1NzcwNzY)
* [固有表現認識](https://wandb.ai/stacey/ner_spacy/reports/Named-Entity-Recognition--Vmlldzo3MDE3NzQ)
* [AlphaFoldタンパク質](https://wandb.ai/wandb/examples/reports/AlphaFold-ed-Proteins-in-W-B-Tables--Vmlldzo4ODc0MDc)