OpenCompass 评测 InternLM-1.8B 实践

一：概述

        在很多时候，部署完大模型之后，并不是直接去使用的，通常都会要先进行评测。评测对于模型的好坏具有很重要的指标。当然它也有很多的挑战。它的重要性和挑战如下图所示：

        

二：具体说明

        <1>我们如何评测大模型

                

        客观评测和主观评测

        长文本评测

        <2>OpenCompass 2.0司南大模型评测体系开源历程

        <3>OpenCompass助力大模型产业发展和学术研究

  <4>司南生态

                汇集社区力量：工具-基准-榜单三位一体

        CompassRank中立全面的性能榜单

        CompassKit大模型评测全栈工具链

<5>CompassBench模型能力洞察

        CompassBench闭源评测集简介

        司南评测模型性能分析

        发展趋势分析

<6>司南榜单矩阵

  

        CompassAcademic基准选择策略

                CompassBench闭源评测介绍

               CompassArena大模型竞技场

        <7>司南评测的研究成果

                        CompassResearch学术成功速览

        <8>下一代司南评测发展方向

        <9>OpenCompass司南评测实践

                9.1 创建开发机

                        

        9.2 进入到开发机，创建所需环境

        9.3 面向GPU的环境安装

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

        9.4 数据准备

                解压数据评测集到目录`/share/temp/datasets/OpenCompassData-core-20231110.zip /root/opencompass/`

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

        9.5 InterlnLM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

        9.6 启动评测 （10% A100 8GB 资源）

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

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),
    )
]

        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。

#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

python run.py
--datasets ceval_gen \ # 数据集准备
--models hf_internlm2_chat_1_8b \  # 模型准备
--debug

如果一切正常，您应该看到屏幕上显示：

[2024-08-09 16:48:07,016] [opencompass.openicl.icl_inferencer.icl_gen_inferencer] [INFO] Starting inference process...

如果报错了，就降低Numpy的版本。

下面这个过程耗费时间极长，如果跟着视频发现这个时间长的离谱可以把那个GPU开大一些，选第二个，我就是选了第一个发现这个时间有些长，然后换了第二个，第二个时间也得几个小时，第一个有些离谱不说了😭。

        

        

        9.7 使用配置文件修改参数法进行评测

                

除了通过命令行配置实验外，OpenCompass 还允许用户在配置文件中编写实验的完整配置，并通过 run.py 直接运行它。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 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configseval_tutorial_demo.py

cd /root/opencompass/configs
touch eval_tutorial_demo.py

打开 贴入以下代码eval_tutorial_demo.py

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

因此，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

如果一切正常，您应该看到屏幕上显示：

<span style="background-color:var(--bgColor-muted, var(--color-canvas-subtle))"><span style="color:#1f2328"><span style="color:var(--fgColor-default, var(--color-fg-default))"><span style="background-color:var(--bgColor-muted, var(--color-canvas-subtle))"><code>[2024-08-09 16:48:07,016] [opencompass.openicl.icl_inferencer.icl_gen_inferencer] [INFO] Starting inference process...
</code></span></span></span></span>

评测完成后，将会看到：

<span style="background-color:var(--bgColor-muted, var(--color-canvas-subtle))"><span style="color:#1f2328"><span style="color:var(--fgColor-default, var(--color-fg-default))"><span style="background-color:var(--bgColor-muted, var(--color-canvas-subtle))"><code>dataset                                         version    metric         mode    internlm2-1.8b-hf
----------------------------------------------  ---------  -------------  ------  -----------------------
ceval-computer_network                          db9ce2     accuracy       gen      47.37                                                                           
ceval-operating_system                          1c2571     accuracy       gen      47.37                                                                                 
ceval-computer_architecture                     a74dad     accuracy       gen      23.81                                                                                 
ceval-college_programming                       4ca32a     accuracy       gen      13.51                                                                                 
ceval-college_physics                           963fa8     accuracy       gen      42.11                                                                                 
ceval-college_chemistry                         e78857     accuracy       gen      33.33                                                                                 
ceval-advanced_mathematics                      ce03e2     accuracy       gen      10.53                                                                                 
...      </code></span></span></span></span>