作业–OpenCompass 大模型评测

作业

启动评测
使用 OpenCompass 评测 InternLM2-Chat-7B 模型在 C-Eval 数据集上的性能

通过以下命令评测 InternLM-Chat-7B 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/temp/model_repos/internlm-chat-7b/ --tokenizer-path /share/temp/model_repos/internlm-chat-7b/ --tokenizer-kwargs padding_side='left' truncation='left' trust_remote_code=True --model-kwargs trust_remote_code=True device_map='auto' --max-seq-len 2048 --max-out-len 16 --batch-size 4 --num-gpus 1 --debug

命令解析
--datasets ceval_gen 
--hf-path /share/temp/model_repos/internlm-chat-7b/   # HuggingFace 模型路径
--tokenizer-path /share/temp/model_repos/internlm-chat-7b/   # 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 2048   # 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 4    # 批量大小
--num-gpus 1  # 运行模型所需的 GPU 数量
--debug

image-20240123180404764

可以看到评测结果：

image-20240123184201832