これは、このセクションの複数ページの印刷可能なビューです。 印刷するには、ここをクリックしてください.

このページの通常のビューに戻る.

データタイプ

このモジュールは、W&B にリッチでインタラクティブな可視化をログするためのデータ型を定義します。

データ型には、画像、オーディオ、ビデオなどの一般的なメディアタイプや、テーブルや HTML などの情報を柔軟に格納するコンテナが含まれます。

メディアのログの詳細については、ガイドをご覧ください。

インタラクティブな データセット と モデル分析 のための構造化データのログの詳細については、W&B Tables のガイドをご覧ください。

これらの特別なデータ型はすべて WBValue のサブクラスです。すべてのデータ型は JSON にシリアライズされます。wandb はこれを使用して オブジェクト をローカルに保存し、W&B サーバー にアップロードします。

クラス

class Audio: オーディオクリップ用の Wandb クラス。

class BoundingBoxes2D: 画像を 2D バウンディングボックスオーバーレイでフォーマットし、W&Bにログします。

class Graph: グラフ用の Wandb クラス。

class Histogram: ヒストグラム用の wandb クラス。

class Html: 任意の html 用の Wandb クラス。

class Image: 画像をフォーマットして W&Bにログします。

class ImageMask: 画像マスクやオーバーレイをフォーマットし、W&Bにログします。

class Molecule: 3D 分子データ用の Wandb クラス。

class Object3D: 3D ポイントクラウド用の Wandb クラス。

class Plotly: plotly プロット用の Wandb クラス。

class Table: 表形式のデータを表示および分析するための Table クラス。

class Video: ビデオをフォーマットして W&Bにログします。

class WBTraceTree: トレースツリーデータのためのメディアオブジェクト。

1 - BoundingBoxes2D

View the source code

W&B に ログ するために 2D バウンディング ボックス オーバーレイを使用して画像をフォーマットします。

BoundingBoxes2D(
    val: dict,
    key: str
) -> None
引数
val (辞書) 以下の形式の辞書: box_data: (辞書のリスト) 各バウンディングボックスに対して 1 つの辞書を含む: position: (辞書) 2 つの形式のいずれかでバウンディングボックスの位置とサイズを指定します。ボックスが同じ形式を使用する必要はないことに注意してください。 {“minX”, “minY”, “maxX”, “maxY”}: (辞書) ボックスの上限と下限を定義する座標のセット (左下と右上のコーナー) {“middle”, “width”, “height”}: (辞書) 中心点のリスト [x, y] としての “middle”、および数値としての “width” と “height” のボックスの中心と寸法を定義する座標のセット domain: (文字列) バウンディング ボックス座標ドメインの 2 つのオプション null: デフォルトでは、または引数が渡されない場合、座標ドメインは元の画像に対して相対的であると見なされ、このボックスを元の画像の分数またはパーセンテージとして表します。これは、「position」引数に渡されるすべての座標と寸法が 0 から 1 までの浮動小数点数であることを意味します。 “pixel”: (文字列リテラル) 座標ドメインはピクセル空間に設定されます。これは、“position” 引数に渡されるすべての座標と寸法が画像寸法の範囲内の整数であることを意味します。 class_id: (整数) このボックスのクラスラベル id scores: (文字列から数値への辞書, オプション) 名前付きフィールドを数値 (float または int) にマッピングしたもので、対応するフィルター範囲内で UI 内のボックスをフィルタリングするために使用できます フィールド box_caption: (文字列, オプション) UI でこのボックスの上のラベルテキストとして表示される文字列、クラスラベル、クラス名、および/またはスコアで構成されることがよくあります class_labels: (辞書, オプション) 読み取り可能なクラス名への整数クラスラベルのマップ
key (文字列) このバウンディングボックスのセットの読み取り可能な名前または ID (例: 予測, ground_truth)

例:

単一の画像に対するバウンディングボックスをログする

import numpy as np
import wandb

run = wandb.init()
image = np.random.randint(low=0, high=256, size=(200, 300, 3))

class_labels = {0: "person", 1: "car", 2: "road", 3: "building"}

img = wandb.Image(
    image,
    boxes={
        "predictions": {
            "box_data": [
                {
                    # デフォルトの相対/比率ドメインで表現された 1 つのボックス
                    "position": {
                        "minX": 0.1,
                        "maxX": 0.2,
                        "minY": 0.3,
                        "maxY": 0.4,
                    },
                    "class_id": 1,
                    "box_caption": class_labels[1],
                    "scores": {"acc": 0.2, "loss": 1.2},
                },
                {
                    # ピクセルドメインで表現された別のボックス
                    "position": {
                        "middle": [150, 20],
                        "width": 68,
                        "height": 112,
                    },
                    "domain": "pixel",
                    "class_id": 3,
                    "box_caption": "a building",
                    "scores": {"acc": 0.5, "loss": 0.7},
                },
                # 必要に応じてログに記録するボックスを追加
            ],
            "class_labels": class_labels,
        }
    },
)

run.log({"driving_scene": img})

テーブルにバウンディングボックスオーバーレイをログする

import numpy as np
import wandb

run = wandb.init()
image = np.random.randint(low=0, high=256, size=(200, 300, 3))

class_labels = {0: "person", 1: "car", 2: "road", 3: "building"}

class_set = wandb.Classes(
    [
        {"name": "person", "id": 0},
        {"name": "car", "id": 1},
        {"name": "road", "id": 2},
        {"name": "building", "id": 3},
    ]
)

img = wandb.Image(
    image,
    boxes={
        "predictions": {
            "box_data": [
                {
                    # デフォルトの相対/比率ドメインで表現された 1 つのボックス
                    "position": {
                        "minX": 0.1,
                        "maxX": 0.2,
                        "minY": 0.3,
                        "maxY": 0.4,
                    },
                    "class_id": 1,
                    "box_caption": class_labels[1],
                    "scores": {"acc": 0.2, "loss": 1.2},
                },
                {
                    # ピクセルドメインで表現された別のボックス
                    "position": {
                        "middle": [150, 20],
                        "width": 68,
                        "height": 112,
                    },
                    "domain": "pixel",
                    "class_id": 3,
                    "box_caption": "a building",
                    "scores": {"acc": 0.5, "loss": 0.7},
                },
                # 必要に応じてログに記録するボックスを追加
            ],
            "class_labels": class_labels,
        }
    },
    classes=class_set,
)

table = wandb.Table(columns=["image"])
table.add_data(img)
run.log({"driving_scene": table})

メソッド

type_name

ソースを表示

@classmethod
type_name() -> str

validate

ソースを表示

validate(
    val: dict
) -> bool

2 - I'm sorry, it seems like there is no text to translate. Please provide the content you want to be translated.

View the source code

任意の HTML 用の Wandb クラス。

Html(
    data: Union[str, 'TextIO'],
    inject: bool = (True)
) -> None
Args
data (string または io オブジェクト) wandb に表示する HTML
inject (boolean) HTML オブジェクトにスタイルシートを追加します。False に設定すると、HTML は変更されずに通過します。

メソッド

inject_head

ソースを表示

inject_head() -> None

3 - ImageMask

View the source code

画像マスクまたはオーバーレイを W&B にログとして記録するためにフォーマットします。

ImageMask(
    val: dict,
    key: str
) -> None
Args
val (辞書) 画像を表すための以下の2つのキーのうちの1つを指定: mask_data : (2D numpy 配列) 画像内の各ピクセルに対する整数クラスラベルが含まれるマスク path : (文字列) マスクの保存された画像ファイルのパス class_labels : (整数から文字列への辞書, オプション) マスク内の整数クラスラベルを人間が読めるクラス名にマッピングします。デフォルトでは class_0, class_1, class_2 などになります。
key (文字列) このマスクの種類に対する読みやすい名前または ID (例: predictions, ground_truth)

例:

単一のマスクされた画像をログに記録

import numpy as np
import wandb

run = wandb.init()
image = np.random.randint(low=0, high=256, size=(100, 100, 3), dtype=np.uint8)
predicted_mask = np.empty((100, 100), dtype=np.uint8)
ground_truth_mask = np.empty((100, 100), dtype=np.uint8)

predicted_mask[:50, :50] = 0
predicted_mask[50:, :50] = 1
predicted_mask[:50, 50:] = 2
predicted_mask[50:, 50:] = 3

ground_truth_mask[:25, :25] = 0
ground_truth_mask[25:, :25] = 1
ground_truth_mask[:25, 25:] = 2
ground_truth_mask[25:, 25:] = 3

class_labels = {0: "person", 1: "tree", 2: "car", 3: "road"}

masked_image = wandb.Image(
    image,
    masks={
        "predictions": {
            "mask_data": predicted_mask,
            "class_labels": class_labels,
        },
        "ground_truth": {
            "mask_data": ground_truth_mask,
            "class_labels": class_labels,
        },
    },
)
run.log({"img_with_masks": masked_image})

テーブル内にマスクされた画像をログに記録する

import numpy as np
import wandb

run = wandb.init()
image = np.random.randint(low=0, high=256, size=(100, 100, 3), dtype=np.uint8)
predicted_mask = np.empty((100, 100), dtype=np.uint8)
ground_truth_mask = np.empty((100, 100), dtype=np.uint8)

predicted_mask[:50, :50] = 0
predicted_mask[50:, :50] = 1
predicted_mask[:50, 50:] = 2
predicted_mask[50:, 50:] = 3

ground_truth_mask[:25, :25] = 0
ground_truth_mask[25:, :25] = 1
ground_truth_mask[:25, 25:] = 2
ground_truth_mask[25:, 25:] = 3

class_labels = {0: "person", 1: "tree", 2: "car", 3: "road"}

class_set = wandb.Classes(
    [
        {"name": "person", "id": 0},
        {"name": "tree", "id": 1},
        {"name": "car", "id": 2},
        {"name": "road", "id": 3},
    ]
)

masked_image = wandb.Image(
    image,
    masks={
        "predictions": {
            "mask_data": predicted_mask,
            "class_labels": class_labels,
        },
        "ground_truth": {
            "mask_data": ground_truth_mask,
            "class_labels": class_labels,
        },
    },
    classes=class_set,
)

table = wandb.Table(columns=["image"])
table.add_data(masked_image)
run.log({"random_field": table})

メソッド

type_name

ソースを表示

@classmethod
type_name() -> str

validate

ソースを表示

validate(
    val: dict
) -> bool

4 - Molecule

View the source code

Wandb クラスは 3D 分子データ用です。

Molecule(
    data_or_path: Union[str, 'TextIO'],
    caption: Optional[str] = None,
    **kwargs
) -> None
Args
data_or_path (string, io) Molecule はファイル名または io オブジェクトから初期化できます。
caption (string) 表示用の分子に関連付けられたキャプション。

メソッド

from_rdkit

ソースを表示

@classmethod
from_rdkit(
    data_or_path: "RDKitDataType",
    caption: Optional[str] = None,
    convert_to_3d_and_optimize: bool = (True),
    mmff_optimize_molecule_max_iterations: int = 200
) -> "Molecule"

RDKit がサポートするファイル/オブジェクトタイプを wandb.Molecule に変換します。

Args
data_or_path (string, rdkit.Chem.rdchem.Mol) Molecule はファイル名または rdkit.Chem.rdchem.Mol オブジェクトから初期化できます。
caption (string) 表示用の分子に関連付けられたキャプション。
convert_to_3d_and_optimize (bool) 3D 座標を持つ rdkit.Chem.rdchem.Mol に変換します。これは複雑な分子の場合、時間がかかるため、高価な操作です。
mmff_optimize_molecule_max_iterations (int) rdkit.Chem.AllChem.MMFFOptimizeMolecule で使用する反復回数

from_smiles

ソースを表示

@classmethod
from_smiles(
    data: str,
    caption: Optional[str] = None,
    sanitize: bool = (True),
    convert_to_3d_and_optimize: bool = (True),
    mmff_optimize_molecule_max_iterations: int = 200
) -> "Molecule"

SMILES 文字列を wandb.Molecule に変換します。

Args
data (string) SMILES 文字列。
caption (string) 表示用の分子に関連付けられたキャプション
sanitize (bool) RDKit の定義により、分子が化学的に妥当かどうかをチェックします。
convert_to_3d_and_optimize (bool) 3D 座標で rdkit.Chem.rdchem.Mol に変換します。複雑な分子の場合、時間がかかるため、高価な操作です。
mmff_optimize_molecule_max_iterations (int) rdkit.Chem.AllChem.MMFFOptimizeMolecule で使用する反復回数
クラス変数
SUPPORTED_RDKIT_TYPES
SUPPORTED_TYPES

5 - Object3D

View the source code

3DポイントクラウドのためのWandbクラス。

Object3D(
    data_or_path: Union['np.ndarray', str, 'TextIO', dict],
    **kwargs
) -> None
引数
data_or_path (numpy array, string, io) Object3Dはファイルまたはnumpy配列から初期化できます。ファイルへのパスまたはio オブジェクトと SUPPORTED_TYPES のいずれかである必要がある file_type を渡すことができます。

numpy 配列の形状は次のいずれかでなければなりません：

[[x y z],       ...] nx3
[[x y z c],     ...] nx4 ここで c は[1, 14] の範囲内のカテゴリです
[[x y z r g b], ...] nx6 ここで rgb は色です

メソッド

from_file

ソースを表示

@classmethod
from_file(
    data_or_path: Union['TextIO', str],
    file_type: Optional['FileFormat3D'] = None
) -> "Object3D"

ファイルまたはストリームから Object3D を初期化します。

引数
data_or_path (Union[“TextIO”, str]): ファイルへのパスまたは TextIO ストリーム。file_type (str): data_or_path に渡されるデータ形式を指定します。 data_or_path が TextIO ストリームである場合は必須です。ファイルパスが提供されている場合はこのパラメータは無視されます。タイプはファイル拡張子から取得されます。

from_numpy

ソースを表示

@classmethod
from_numpy(
    data: "np.ndarray"
) -> "Object3D"

numpy 配列から Object3D を初期化します。

引数
data (numpy array): 配列の各エントリはポイントクラウドの1ポイントを表します。

numpy 配列の形状は次のいずれかでなければなりません：

[[x y z],       ...]  # nx3.
[[x y z c],     ...]  # nx4 ここで c は [1, 14] の範囲内のカテゴリです。
[[x y z r g b], ...]  # nx6 ここで rgb は色です。

from_point_cloud

ソースを表示

@classmethod
from_point_cloud(
    points: Sequence['Point'],
    boxes: Sequence['Box3D'],
    vectors: Optional[Sequence['Vector3D']] = None,
    point_cloud_type: "PointCloudType" = "lidar/beta"
) -> "Object3D"

Python オブジェクトから Object3D を初期化します。

引数
points (Sequence[“Point”]): ポイントクラウドの点。boxes (Sequence[“Box3D”]): ポイントクラウドのラベル付け用3Dバウンディングボックス。ボックスはポイントクラウドの可視化で表示されます。vectors (Optional[Sequence[“Vector3D”]]): 各ベクトルはポイントクラウドの可視化で表示されます。バウンディングボックスの方向性を示すために使用できます。デフォルトは None です。point_cloud_type (“lidar/beta”): 現時点では「lidar/beta」タイプのみサポートしています。デフォルトは「lidar/beta」です。
クラス変数
SUPPORTED_POINT_CLOUD_TYPES
SUPPORTED_TYPES

6 - Plotly

View the source code

Wandb クラスは plotly のプロット用です。

Plotly(
    val: Union['plotly.Figure', 'matplotlib.artist.Artist']
)
Arg
val matplotlib または plotly の図

メソッド

make_plot_media

ソースを表示

@classmethod
make_plot_media(
    val: Union['plotly.Figure', 'matplotlib.artist.Artist']
) -> Union[Image, 'Plotly']

7 - WBTraceツリー

View the source code

トレース ツリー データのためのメディア オブジェクト。

WBTraceTree(
    root_span: Span,
    model_dict: typing.Optional[dict] = None
)
Args
root_span (Span): トレース ツリーのルート スパン。 model_dict (dict, optional): モデル ダンプを含む辞書。 注: model_dict は完全にユーザー定義の辞書です。 UI はこの辞書の JSON ビューアをレンダリングし、_kind キーを持つ辞書に対して特別な処理を行います。これは、モデル ベンダが非常に異なるシリアル化形式を持っているため、ここでは柔軟である必要があるからです。

8 - イメージ

View the source code

W&B に画像をログするためのフォーマット。

Image(
    data_or_path: "ImageDataOrPathType",
    mode: Optional[str] = None,
    caption: Optional[str] = None,
    grouping: Optional[int] = None,
    classes: Optional[Union['Classes', Sequence[dict]]] = None,
    boxes: Optional[Union[Dict[str, 'BoundingBoxes2D'], Dict[str, dict]]] = None,
    masks: Optional[Union[Dict[str, 'ImageMask'], Dict[str, dict]]] = None,
    file_type: Optional[str] = None
) -> None
Args
data_or_path (numpy array, string, io) 画像データの numpy 配列または PIL 画像を受け付けます。クラスはデータフォーマットを推測して変換します。
mode (string) 画像のための PIL モード。最も一般的なのは “L”, “RGB”, “RGBA” です。詳しくは https://pillow.readthedocs.io/en/stable/handbook/concepts.html#modes を参照してください。
caption (string) 画像表示用のラベル。

注意 : wandb.Image として torch.Tensor をログする際、画像は正規化されます。画像を正規化したくない場合は、テンソルを PIL Image に変換してください。

例:

numpy 配列から wandb.Image を作成

import numpy as np
import wandb

with wandb.init() as run:
    examples = []
    for i in range(3):
        pixels = np.random.randint(low=0, high=256, size=(100, 100, 3))
        image = wandb.Image(pixels, caption=f"random field {i}")
        examples.append(image)
    run.log({"examples": examples})

PILImage から wandb.Image を作成

import numpy as np
from PIL import Image as PILImage
import wandb

with wandb.init() as run:
    examples = []
    for i in range(3):
        pixels = np.random.randint(
            low=0, high=256, size=(100, 100, 3), dtype=np.uint8
        )
        pil_image = PILImage.fromarray(pixels, mode="RGB")
        image = wandb.Image(pil_image, caption=f"random field {i}")
        examples.append(image)
    run.log({"examples": examples})

.png (デフォルト) ではなく .jpg をログ

import numpy as np
import wandb

with wandb.init() as run:
    examples = []
    for i in range(3):
        pixels = np.random.randint(low=0, high=256, size=(100, 100, 3))
        image = wandb.Image(pixels, caption=f"random field {i}", file_type="jpg")
        examples.append(image)
    run.log({"examples": examples})
Attributes

メソッド

all_boxes

View source

@classmethod
all_boxes(
    images: Sequence['Image'],
    run: "LocalRun",
    run_key: str,
    step: Union[int, str]
) -> Union[List[Optional[dict]], bool]

all_captions

View source

@classmethod
all_captions(
    images: Sequence['Media']
) -> Union[bool, Sequence[Optional[str]]]

all_masks

View source

@classmethod
all_masks(
    images: Sequence['Image'],
    run: "LocalRun",
    run_key: str,
    step: Union[int, str]
) -> Union[List[Optional[dict]], bool]

guess_mode

View source

guess_mode(
    data: "np.ndarray"
) -> str

np.array が表している画像の種類を推測します。

to_uint8

View source

@classmethod
to_uint8(
    data: "np.ndarray"
) -> "np.ndarray"

画像データを uint8 に変換します。

範囲 [0,1] の浮動小数点画像と範囲 [0,255] の整数画像を必要に応じてクリッピングして uint8 に変換します。

クラス変数
MAX_DIMENSION 65500
MAX_ITEMS 108

9 - テーブル

View the source code

Table クラスは表形式のデータを表示および分析するために使用されます。

Table(
    columns=None, data=None, rows=None, dataframe=None, dtype=None, optional=(True),
    allow_mixed_types=(False)
)

従来のスプレッドシートとは異なり、Tables は多くの種類のデータをサポートしています: スカラー値、文字列、numpy 配列、および wandb.data_types.Media のほとんどのサブクラス。 これにより、Images、Video、Audio、および他の種類のリッチで注釈のあるメディアを 従来のスカラー値と並べて Tables に直接埋め込むことができます。

このクラスは、UI の Table Visualizer を生成するために使用される主要なクラスです: https://docs.wandb.ai/guides/data-vis/tables.

引数
columns (List[str]) テーブル内の列の名前。デフォルトは[“Input”, “Output”, “Expected”]です。
data (List[List[any]]) 2D 行指向の配列。
dataframe (pandas.DataFrame) テーブルの作成に使用される DataFrame オブジェクト。設定されている場合、data と columns 引数は無視されます。
optional (Union[bool,List[bool]]) None の値を許可するかどうかを決定します。デフォルトは True です - 単一の bool 値が指定された場合、構築時に指定されたすべての列において任意性が確保されます - bool 値のリストである場合、各列に適用される任意性が適用されます - columns と同じ長さでなければなりません。bool 値のリストはそれぞれの列に適用されます。
allow_mixed_types (bool) 列に混合タイプを許可するかどうかを決定します（タイプ検証を無効にします）。デフォルトは False です。

メソッド

add_column

ソースを表示

add_column(
    name, data, optional=(False)
)

テーブルにデータ列を追加します。

引数
name (str) - 列の一意の名前
data (list
optional (bool) - null 値が許可されるかどうか

add_computed_columns

ソースを表示

add_computed_columns(
    fn
)

既存のデータに基づいて1つ以上の計算列を追加します。

引数
fn ndx（int）および row（dict）という1つまたは2つのパラメータを受け取り、新しい列のキーを新しい列名として指定した辞書を返す関数です。ndx は行のインデックスを示す整数です。include_ndx が True に設定されている場合にのみ含まれます。row は既存の列にキー付けされた辞書です。

add_data

ソースを表示

add_data(
    *data
)

テーブルに新しいデータ行を追加します。テーブル内の最大行数は wandb.Table.MAX_ARTIFACT_ROWS によって決定されます。

データの長さはテーブル列の長さと一致する必要があります。

add_row

ソースを表示

add_row(
    *row
)

非推奨; 代わりに add_data を使用してください。

cast

ソースを表示

cast(
    col_name, dtype, optional=(False)
)

列を特定のデータ型にキャストします。

これは通常の Python クラスの1つである場合もあれば、内部の W&B タイプの1つであり、例えば wandb.Image や wandb.Classes のインスタンスのようなサンプルオブジェクトである場合もあります。

引数
col_name (str) - キャストする列の名前。
dtype (class, wandb.wandb_sdk.interface._dtypes.Type, any) - 目的の dtype。
optional (bool) - 列に None を許可するかどうか。

get_column

ソースを表示

get_column(
    name, convert_to=None
)

テーブルから列を取得し、オプションで NumPy オブジェクトに変換します。

引数
name (str) - 列の名前
convert_to (str, optional) - “numpy”: 基礎となるデータを numpy オブジェクトに変換します

get_dataframe

ソースを表示

get_dataframe()

テーブルの pandas.DataFrame を返します。

get_index

ソースを表示

get_index()

リンクを作成するために他のテーブルで使用する行インデックスの配列を返します。

index_ref

ソースを表示

index_ref(
    index
)

テーブル内の行のインデックスの参照を取得します。

iterrows

ソースを表示

iterrows()

行ごとにテーブルデータを返し、行のインデックスと関連するデータを表示します。

Yields

index : int
行のインデックス。この値を他の W&B テーブルで使用することで、テーブル間の関係が自動的に構築されます
row : List[any]
行のデータ。

set_fk

ソースを表示

set_fk(
    col_name, table, table_col
)

set_pk

ソースを表示

set_pk(
    col_name
)
クラス変数
MAX_ARTIFACT_ROWS 200000
MAX_ROWS 10000

10 - オーディオ

View the source code

オーディオクリップ用の Wandb クラス。

Audio(
    data_or_path, sample_rate=None, caption=None
)
Args
data_or_path (string または numpy array) オーディオファイルへのパス、またはオーディオデータの numpy 配列。
sample_rate (int) サンプルレート、生の numpy 配列のオーディオデータを渡す場合に必要。
caption (string) オーディオと一緒に表示するキャプション。

メソッド

durations

ソースを見る

@classmethod
durations(
    audio_list
)

resolve_ref

ソースを見る

resolve_ref()

sample_rates

ソースを見る

@classmethod
sample_rates(
    audio_list
)

11 - グラフ

View the source code

グラフ用の Wandb クラス。

Graph(
    format="keras"
)

このクラスは通常、ニューラルネットモデルを保存し表示するために使用されます。ツリーをノードとエッジの配列として表現します。ノードには、wandb で可視化できるラベルを持たせることができます。

例:

Keras モデルをインポート:

Graph.from_keras(keras_model)

メソッド

add_edge

ソースを見る

add_edge(
    from_node, to_node
)

add_node

ソースを見る

add_node(
    node=None, **node_kwargs
)

from_keras

ソースを見る

@classmethod
from_keras(
    model
)

pprint

ソースを見る

pprint()

__getitem__

ソースを見る

__getitem__(
    nid
)

12 - ヒストグラム

View the source code

wandb のヒストグラム用クラス。

Histogram(
    sequence: Optional[Sequence] = None,
    np_histogram: Optional['NumpyHistogram'] = None,
    num_bins: int = 64
) -> None

このオブジェクトは numpy のヒストグラム関数と同様に動作します。 https://docs.scipy.org/doc/numpy/reference/generated/numpy.histogram.html

例:

シーケンスからヒストグラムを生成

wandb.Histogram([1, 2, 3])

np.histogram から効率的に初期化。

hist = np.histogram(data)
wandb.Histogram(np_histogram=hist)
Args
sequence (array_like) ヒストグラムの入力データ
np_histogram (numpy histogram) あらかじめ計算されたヒストグラムの代替入力
num_bins (int) ヒストグラムのビンの数。デフォルトのビンの数は 64 です。ビンの最大数は 512 です
Attributes
bins ([float]) ビンの境界
histogram ([int]) 各ビンに入る要素の数
Class Variables
MAX_LENGTH 512

13 - ビデオ

View the source code

W&B にログするためのビデオをフォーマットします。

Video(
    data_or_path: Union['np.ndarray', str, 'TextIO', 'BytesIO'],
    caption: Optional[str] = None,
    fps: Optional[int] = None,
    format: Optional[str] = None
)
引数
data_or_path (numpy array, string, io) ビデオはファイルへのパスまたは io オブジェクトで初期化できます。フォーマットは “gif”, “mp4”, “webm”, “ogg” のいずれかでなければなりません。フォーマットは format 引数で指定する必要があります。ビデオは numpy テンソルでも初期化できます。numpy テンソルは 4次元または 5次元でなければなりません。チャンネルは (time, channel, height, width) または (batch, time, channel, height, width) であるべきです。
caption (string) ビデオに関連付けられたキャプション（表示用）
fps (int) 生のビデオフレームをエンコードする際のフレームレート。デフォルト値は 4 です。このパラメータは data_or_path が string または bytes の場合には影響しません。
format (string) ビデオのフォーマット。パスまたは io オブジェクトで初期化する場合に必要です。

例:

numpy 配列をビデオとしてログする

import numpy as np
import wandb

run = wandb.init()
# 軸は (time, channel, height, width)
frames = np.random.randint(low=0, high=256, size=(10, 3, 100, 100), dtype=np.uint8)
run.log({"video": wandb.Video(frames, fps=4)})

メソッド

encode

ソースを見る

encode(
    fps: int = 4
) -> None
クラス変数
EXTS