OpenCompass 大模型评测实战——作业

一、基础作业

1.1、使用 OpenCompass 评测 internlm2-chat-1_8b 模型在 C-Eval 数据集上的性能

1.1.1、安装基本环境

studio-conda -o internlm-base -t opencompass
source activate opencompass
git clone -b 0.2.4 https://github.com/open-compass/opencompass
cd opencompass
pip install -e .

# 如果pip install -e .安装未成功,请运行:
pip install -r requirements.txt

在这里插入图片描述

在这里插入图片描述

建议这边直接用 pip install -r requirements.txt 这个命令,pip install -e . 我使用的时候是运行成功了,但后面依然出现了对应包没有的问题。

1.1.2、解压数据集

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

在这里插入图片描述

1.1.3、查看支持的数据集和模型

在这里插入图片描述

这边就出现了 tabulatemmengine 这两个包没有的情况,那就 pip install 装上。

在这里插入图片描述

1.1.4、启动评测

python run.py
--datasets ceval_gen \
--hf-path /share/new_models/Shanghai_AI_Laboratory/internlm2-chat-1_8b \  # HuggingFace 模型路径
--tokenizer-path /share/new_models/Shanghai_AI_Laboratory/internlm2-chat-1_8b \  # HuggingFace tokenizer 路径(如果与模型路径相同,可以省略)
--tokenizer-kwargs padding_side='left' truncation='left' trust_remote_code=True \  # 构建 tokenizer 的参数
--model-kwargs device_map='auto' trust_remote_code=True \  # 构建模型的参数
--max-seq-len 1024 \  # 模型可以接受的最大序列长度
--max-out-len 16 \  # 生成的最大 token 数
--batch-size 2  \  # 批量大小
--num-gpus 1  # 运行模型所需的 GPU 数量
--debug

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

实在受不了了,运行了几次,每次都缺包,果断 pip install -r requirements.txt

在这里插入图片描述

再次运行,没有出现缺包的情况,不过也是出现了和教程上说过的问题。

在这里插入图片描述

先按照教程的做法设置 export MKL_SERVICE_FORCE_INTEL=1

在这里插入图片描述

但运行发现还是报同样的错误,那就换第二种方法 export MKL_THREADING_LAYER=GNU

在这里插入图片描述

这次运行以后没有再出现 MKL MKL_THREADING_LAYER=INTEL 的问题了,不过出现了新的问题。

在这里插入图片描述

出现这个问题是因为缺少 prtobuf 这个包,再 pip install protobuf,然后再次运行。

在这里插入图片描述

这次终于成功,安心等待结果。

在这里插入图片描述

想截出来完整的图片,所以就直接将包含结果的 csv 文件下载下来。

二、进阶作业

2.1、将自定义数据集提交至OpenCompass官网

  • 4
    点赞
  • 6
    收藏
    觉得还不错? 一键收藏
  • 4
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 4
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值