Skip to content

Latest commit

 

History

History
132 lines (107 loc) · 7.59 KB

The_note_internllm2_note7.md

File metadata and controls

132 lines (107 loc) · 7.59 KB

书生·浦语大模型学习第七节学习笔记

学习笔记

OpenCompass大模型测评

用于对训练好的大模型进行测评打分，检验模型能力的工具

上海人工智能实验室科学家团队正式发布了大模型开源开放评测体系 “司南” (OpenCompass2.0)，用于为大语言模型、多模态模型等提供一站式评测服务。其主要特点如下：

● 开源可复现：提供公平、公开、可复现的大模型评测方案

● 全面的能力维度：五大维度设计，提供 70+ 个数据集约 40 万题的的模型评测方案，全面评估模型能力

● 丰富的模型支持：已支持 20+ HuggingFace 及 API 模型

● 分布式高效评测：一行命令实现任务分割和分布式评测，数小时即可完成千亿模型全量评测

● 多样化评测范式：支持零样本、小样本及思维链评测，结合标准型或对话型提示词模板，轻松激发各种模型最大性能

● 灵活化拓展：想增加新模型或数据集？想要自定义更高级的任务分割策略，甚至接入新的集群管理系统？OpenCompass 的一切均可轻松扩展！

大模型测评中的挑战

全面性、测评标准、数据污染、鲁棒性 image

司南大模型测评体系

模型评测标准

模型分类：基座模型、对话模型、公开权重的开源模型、API模型 image

客观评测与主观测评 客观问答题、客观选择题以及开放式主观问答

image 提示词工程 明确性、概念无歧义、逐步引导、具体描述、迭代反馈 image 长文本评测 大海捞针式，对长文本内容的识别和处理能力 image

opencampass2.0能力升级

基础能力：语言、知识、理解、数学、代码、推理 综合能力：考试、对话、创作、智能体、评价、长文本

image

CompassHub：高质量评测基准社区

image

夯实基础：自研高质量大模型评测基础

image

MathBench：多层次数学能力评测基准

image

CIBench：代码解释器能力评测基准

image

T-Eval：大模型细粒度工具能力评测基准

image

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，但请注意，如果计算资源有限，这种策略可能会使评测变得更慢。如果需要了解该问题及解决方案，可以参考 FAQ: 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。你也可以激活飞书状态上报功能，此后可以在飞书客户端中及时获得评测状态报告。 接下来，我们将展示 OpenCompass 的基础用法，展示书生浦语在 C-Eval 基准任务上的评估。它们的配置文件可以在 configs/eval_demo.py 中找到。

基础作业

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

opencompass执行逻辑

  • 对数据，模型进行分片处理opencompass/opencompass/partitioners
  • 分片完成以后变成一个个的任务opencompass/opencompass/tasks
  • 不同任务的提交方式opencompass/opencompass/runners
  • 每一个任务的执行opencompass/opencompass/openicl
  • 执行完成以后如何进行汇总opencompass/opencompass/summarizers

搭建环境

开发机 cuda 11.7 10%A100 python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 .

亲测pip install -e .安装提示成功了,但是还是无法运行python tools/list_configs.py internlm ceval指令 image

因此使用原始的pip install -r requirements.txt

数据集准备

复制数据集至opencompass文件夹中并解压

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

查看支持的数据集和模型

python tools/list_configs.py internlm ceval

image

启动评测 (10% A100 8GB 资源)

确保按照上述步骤正确安装 OpenCompass 并准备好数据集后，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。在 --debug 模式下，任务将按顺序执行，并实时打印输出。

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

命令解析

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

异常 image

解决方案 pip install protobuf export MKL_SERVICE_FORCE_INTEL=1 #或 export MKL_THREADING_LAYER=GNU 执行上面命令后再次执行启动评测的代码 image

image