OpenCompass 评测 InternLM-1.8B 实践

使用 OpenCompass 评测 internlm2-chat-1.8b 模型在 CEval 数据集上的性能

本文将进行使用 OpenCompass 来评测 InternLM2 1.8B实践

概览

在 OpenCompass 中评估一个模型通常包括以下几个阶段：配置 -> 推理 -> 评估 -> 可视化。

• 配置：这是整个工作流的起点。您需要配置整个评估过程，选择要评估的模型和数据集。此外，还可以选择评估策略、计算后端等，并定义显示结果的方式。
• 推理与评估：在这个阶段，OpenCompass 将会开始对模型和数据集进行并行推理和评估。推理阶段主要是让模型从数据集产生输出，而评估阶段则是衡量这些输出与标准答案的匹配程度。这两个过程会被拆分为多个同时运行的“任务”以提高效率。
• 可视化：评估完成后，OpenCompass 将结果整理成易读的表格，并将其保存为 CSV 和 TXT 文件。

接下来，我们将展示 OpenCompass 的基础用法，分别用命令行方式和配置文件的方式评测InternLM2-Chat-1.8B，展示书生浦语在 C-Eval 基准任务上的评估。更多评测技巧请查看 https://opencompass.readthedocs.io/zh-cn/latest/get_started/quick_start.html 文档。

1. 环境准备

首先，确保评测环境已准备就绪。创建一个配备了 Cuda 11.7 和 Conda 的开发机，并选择 10% 的 A100 GPU 资源。

然后，创建并激活 Conda 环境：

conda create -n opencompass python=3.10
conda activate opencompass

2. 安装 OpenCompass

接下来，安装 OpenCompass 及其依赖项：

cd ~
git clone -b 0.2.4 https://github.com/open-compass/opencompass
cd opencompass
pip install -e .

安装其他必要的依赖项：

apt-get update
apt-get install cmake
pip install -r requirements.txt
pip install protobuf

3. 准备评测数据集

将评测数据集解压到 OpenCompass 的 data 目录下：

cp /share/temp/datasets/OpenCompassData-core-20231110.zip /root/opencompass/
unzip OpenCompassData-core-20231110.zip

4. 配置模型

接下来，需要配置 internlm2-chat-1.8b 模型。打开 configs/models/hf_internlm/hf_internlm2_chat_1_8b.py 文件，并粘贴以下内容：

from opencompass.models import HuggingFaceCausalLM

models = [
    dict(
        type=HuggingFaceCausalLM,
        abbr='internlm2-1.8b-hf',
        path="/share/new_models/Shanghai_AI_Laboratory/internlm2-chat-1_8b",
        tokenizer_path='/share/new_models/Shanghai_AI_Laboratory/internlm2-chat-1_8b',
        model_kwargs=dict(
            trust_remote_code=True,
            device_map='auto',
        ),
        tokenizer_kwargs=dict(
            padding_side='left',
            truncation_side='left',
            use_fast=False,
            trust_remote_code=True,
        ),
        max_out_len=100,
        min_out_len=1,
        max_seq_len=2048,
        batch_size=8,
        run_cfg=dict(num_gpus=1, num_procs=1),
    )
]

5. 启动评测

评测可以通过命令行或配置文件的方式启动。

5.1 命令行方式

首先，设置一些环境变量：

export MKL_SERVICE_FORCE_INTEL=1
# 或者
export MKL_THREADING_LAYER=GNU

然后，通过以下命令启动评测：

python run.py --datasets ceval_gen --models hf_internlm2_chat_1_8b --debug

命令参数说明：

• --datasets ceval_gen: 使用 ceval_gen 数据集
• --models hf_internlm2_chat_1_8b: 使用配置的 internlm2-chat-1.8b 模型
• --debug: 以 debug 模式运行，任务按顺序执行并实时打印输出

运行过程：

5.2 配置文件方式

你也可以通过配置文件的方式启动评测。首先，创建一个新的配置文件：

cd /root/opencompass/configs
touch eval_tutorial_demo.py

然后，在 eval_tutorial_demo.py 中添加以下内容：

from mmengine.config import read_base

with read_base():
    from .datasets.ceval.ceval_gen import ceval_datasets
    from .models.hf_internlm.hf_internlm2_chat_1_8b import models as hf_internlm2_chat_1_8b_models

datasets = ceval_datasets
models = hf_internlm2_chat_1_8b_models

接着，使用该配置文件启动评测：

cd /root/opencompass
python run.py configs/eval_tutorial_demo.py --debug

6. 观察评测结果

运行一切顺利，看到了以下结果：

这些结果展示了 internlm2-chat-1.8b 模型在 CEval 数据集的各个子集上的性能表现。