OpenCompass 评测 InternLM-1.8B 实践 #书生浦语大模型实战营

fzyz123

于 2024-08-28 18:26:41 发布

阅读量979

点赞数 15

文章标签： OpenCompass 评测书生谱语大模型

本文链接：https://blog.csdn.net/fzyz123/article/details/141644703

版权

1.基础任务：

使用 OpenCompass 评测 internlm2-chat-1.8b 模型在 ceval 数据集上的性能，记录复现过程并截图。

任务截图如下：

2.流程：

具体的详细教程可以参考链接：Tutorial/docs/L1/OpenCompass/readme.md at camp3 · InternLM/Tutorial · GitHub

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。

1.环境配置

这是每次任务的第一步，相信大家都已经很熟了，我们要创建一个开发机和虚拟环境，并安装好相应的Python依赖库。

2.数据准备

评测数据集

解压评测数据集到 /root/opencompass/data/ 处。将会在 OpenCompass 下看到data文件夹。

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

InternLM和ceval 相关的配置文件

列出所有跟 InternLM 及 C-Eval 相关的配置

python tools/list_configs.py internlm ceval

3.使用命令行配置参数法进行评测

打开 opencompass文件夹下configs/models/hf_internlm/的hf_internlm2_chat_1_8b.py ,贴入以下代码

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),
    )
]

然后我们可以通过以下命令评测 InternLM2-Chat-1.8B 模型在 C-Eval 数据集上的性能。由于 OpenCompass 默认并行启动评估过程，我们可以在第一次运行时以 --debug 模式启动评估，并检查是否存在问题。

#环境变量配置
export MKL_SERVICE_FORCE_INTEL=1
#或
export MKL_THREADING_LAYER=GNU

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

评测完成后的结果如下图：

4.使用配置文件修改参数法进行评测

配置文件是以 Python 格式组织的，并且必须包括 datasets 和 models 字段。本次测试配置在 configs文件夹中。此配置通过继承机制引入所需的数据集和模型配置，并以所需格式组合 datasets 和 models 字段。运行以下代码，在configs文件夹下创建eval_tutorial_demo.py

cd /root/opencompass/configs
touch eval_tutorial_demo.py

打开eval_tutorial_demo.py 贴入以下代码。

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

运行任务时，我们只需将配置文件的路径传递给 run.py：

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

评测结果如下：

3.知识点：

1.OpenCompass体系介绍

OpenCompass 是一个用于评测大模型性能的开源平台，旨在为大语言模型、多模态模型等提供一站式的评测服务。

1）开源可复现性：OpenCompass 提供了一个公平、公开、可复现的大模型评测方案。

2）全面的能力维度：OpenCompass 设计了五个主要的评测维度，涵盖了学科、语言、知识、理解、推理等多个方面。

3）丰富的模型支持：OpenCompass 已经支持了超过 20 种不同的模型，包括来自 HuggingFace 的模型和通过 API 提供的模型。

4）分布式高效评测：OpenCompass 支持分布式评测，可以通过简单的命令实现任务的分割和分布处理。

5）多样化评测范式：OpenCompass 支持多种评测模式，包括零样本、小样本以及思维链评测。

6）灵活化拓展：OpenCompass 的设计具有很高的灵活性，可以轻松扩展以支持新的模型或数据集。

7）组成模块：OpenCompass主要由三大核心模块组成：CompassKit、CompassHub、CompassRank。

2.使用命令行方式评测

使用 OpenCompass 通过命令行方式评测模型的过程相对直接。

基本步骤如下：环境准备——》安装OpenCompass——》准备模型——》配置文件——》执行评估——》查看结果。

3.使用配置文件修改参数法进行评测

使用 OpenCompass 通过配置文件的方式来评测模型是一个高效且灵活的方法。首先需要创建一个配置文件。通常是一个 YAML 或 JSON 格式的配置文件。然后运行命令。

喜欢的小伙伴收藏点赞关注吧。