【书生大模型实战营】OpenCompass 评测 InternLM-1.8B 实践+书生大模型全链路开源体系

【书生大模型实战营】OpenCompass 评测 InternLM-1.8B 实践+书生大模型全链路开源体系

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。
• 写一篇关于书生大模型全链路开源开放体系的笔记

环境准备

使用如下命令：

conda create -n opencompass python=3.10
conda activate opencompass
conda install pytorch==2.1.2 torchvision==0.16.2 torchaudio==2.1.2 pytorch-cuda=12.1 -c pytorch -c nvidia -y

# 注意：一定要先 cd /root
cd /root
git clone -b 0.2.4 https://github.com/open-compass/opencompass
cd opencompass
pip install -e .


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

然后复制评测数据集并解压：

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

模型评测

然后打开 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


_meta_template = dict(
    round=[
        dict(role='HUMAN', begin='<|im_start|>user\n', end='<|im_end|>\n'),
        dict(role='BOT', begin='<|im_start|>assistant\n', end='<|im_end|>\n', generate=True),
    ],
    eos_token_id=92542
)

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),
    )
]

主要是修改模型路径。然后配置环境变量：

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

然后使用python run.py --datasets ceval_gen --models hf_internlm2_chat_1_8b --debug开始评测，最后的结果为：

如果想尝试其他的，可以通过命令python tools/list_configs.py internlm ceval查看--datasets和--models的可选参数。

书生大模型全链路开源开放体系

模型谱系：

体系结构如下：

开源的工具：

微调框架XTuner：

huixiangdou介绍：