书生浦语第二期实战营——第七课_Compass

1 理论

更换后端：HF-vLLm

自研数据集

• MathBench：数学能力
• CriticBench：反思能力
• T-Eval：细粒度工具
• CreationBench：中文创作
• F-Eval：基础能力评测
• CIBench：代码解释能力

2 实践

启动opencom

• 春命令行

• 命令行——config

• 进入compass

• 激活

• clone代码

• 环境变量设置

• run.py --datasets 模型的路径

  • 模型拷贝
  • data拷贝
  • max seq len：读入的token长度，场下问大些
  • max out len：模型的输出。客观小写，主观大写
  • batch size：
  • num gpus：
  • work dir：在这个路径下执行相关的操作。默认在output/default
  • reuse：最新的时间戳继续跑
  • debug：终端显示debug信息

  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
  

• config配置

逻辑

• partiitioner：分片。多数据集、多模型。任务分发到机器上。
• tasks：每片的执行
• runner：集群、local，任务提交
• openicl：推理、验证。怎么执行？
• summarizers：总结结果。

自定义数据集

• configs——datasets，新建脚本。(跑的时候修改ceval_gen.py里面的自定义文件)

  • ceal——版本——ceval_datasets列表的实现ceval_datasets.append(dict())

  

  

  

  format 映射

• opencompass——dataset。ceval 新建新的类——实现load方法（类与上面的ceval对应）

  • load方法：根目录与子集的名字拼接组成csv的文件名，读取内容，返回DatasetDict的类型。[{k:v},{},{}]

• init。import

其他功能

• 主观评测：config——subjective
• 长文本评测：needlebench

3 作业

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

• 新建开发机（Cuda11.7-conda，GPU 为10% ）

• 新建环境，clone代码

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

  

• 数据集

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

  

• 环境变量设置

  export MKL_SERVICE_FORCE_INTEL=1
export MKL_THREADING_LAYER=GNU
pip install protobuf
  一定要主要查看报错！！否则出的结果是空的

• run.py --datasets 模型的路径

  python run.py --datasets ceval_gen --hf-path /share/new_models/Shanghai_AI_Laboratory/internlm2-chat-1_8b --tokenizer-path /share/new_models/Shanghai_AI_Laboratory/internlm2-chat-1_8b --tokenizer-kwargs padding_side='left' truncation='left' trust_remote_code=True --model-kwargs trust_remote_code=True device_map='auto' --max-seq-len 1024 --max-out-len 16 --batch-size 2 --num-gpus 1 --debug

• pip install protobuf

  

缺少的依赖太多了，直接pip install -r requirements.txt

视频地址：https://www.bilibili.com/video/BV1Pm41127jU/
课程文档：https://github.com/InternLM/Tutorial/blob/camp2/opencompass/readme.md
课程作业：https://github.com/InternLM/Tutorial/blob/camp2/opencompass/homework.md