模型评测

模型评测非常关键，目前主流的方法主要可以概括为主观评测和客观评测，主观评测又可以分为两种形式：人工判断或者和模型竞技场。客观评测一般采用评测数据集的形式进行模型评测。本教程使用Opencompass工具进行对Internlm2-7b模型进行评测。

算力平台

本教程在OpenBayes上进行实验，主要的原因在于Openbayes平台可以很方便地使用自定义的数据集。没有注册的用户可以使用我的邀请链接，可以额外获得RTX4090的免费使用时长：

https://openbayes.com/console/signup?r=xiaoshulin_WGv4

硬件环境

首先Opencompass比较消耗资源，一张4090评测一次CMMLU评测集大概需要一个小时，并且选择A100速度也是差不多的（主要还是CPU瓶颈和推理能力），建议选择单张4090进行评测，性价比最高。

下载Opencompass评测数据包

opencompass的数据包分为了两个版本，一个是complete版本和core版本，其中complete版本包含的数据集种类更加全面，core版本包含了主要的核心评测数据集。由于本教程评测使用CMMLU数据集，所以只需要下载core版本即可。
下载方式可以使用官方的办法：

# 下载数据集到 data/ 处
wget https://github.com/open-compass/opencompass/releases/download/0.2.2.rc1/OpenCompassData-core-20240207.zip
unzip OpenCompassData-core-20240207.zip

但是经过本人测试，下载速度非常有限，所以可以使用我下面的链接：opencompass包阿里云
同时，强烈建议将数据集上传到openBayes平台给用户挂载的数据集文件夹。
1、首先创建一个数据集：

我这里命名为opencompass评测数据集。

然后需要创建一个新的版本（openBayes的管理和github很像，无论是模型还是数据集都是有版本一说，这样子的话可以方便管理数据集的不同版本，这也是非常nice的一点）：

然后在对应的版本里面上传需要的数据集即可。

配置硬件环境

本教程使用RTX4090进行模型的评测。但是首先我们需要创建一个算力容器。

我这里命名为书生浦语模型评测，注意在创建数据集的时候需要设置好两个：internlm2-7b模型和你刚才创建的opencompass数据包，这样子的话就根本不需要额外在容器内部下载，白白浪费时间。


然后到了下一步选择算力，我们选择使用RTX4090加速，并且使用pytorch中的python3.10+cuda12.1环境镜像：

剩下的就是点击审核和执行就可以了。

软件环境配置

这一步，首先打开JupyterLab的工作空间。

观察这个界面，我们就可以发现到我们刚刚挂载的那个评测数据集和评测的模型（实际上就是两个文件夹）。

由于每一次启动openbayes平台都会将base的conda环境的软件依赖全部清理掉，所以最好的方法是使用conda创建一个全新的虚拟环境保存到路径/openbayes/home下面，这个文件夹的所有内容不会被删除。首先创建一个终端，确保在home路径下面，然后执行下面的脚本：

conda create --prefix /openbayes/home/opss python=3.10 pytorch torchvision pytorch-cuda -c nvidia -c pytorch -y
conda activate /openbayes/home/opss
git clone https://github.com/open-compass/opencompass.git
cd opencompass
pip install -e .

由于可能发生缺失文件libGL.so.1，所以需要安装软件依赖：

apt install libgl1-mesa-glx -y

最后我们进入opencompass的目录下面，可以得到下面的结构目录：

opencompass使用

参考文档

官方最新的opencompass使用文档

执行opencompass评测任务

首先需要创建一个data文件夹，存储的就是我们刚刚放上去的opencompass评测集。

然后在将我们的评测数据集复制一份到这个data文件夹里面：

cp -r /openbayes/input/input0/data/* ./data

opencompass的工作原理可以参考文档，也可以参考这个文章：关于openCompass与大模型评测现状的分析
用起来的实际上并不需要特别深入的理解，只需要明白每一步要要干啥就OK了。执行opencompass的一个关键是调整评测集的config，常用的评测数据集的配置文件都在opencompass/configs这个路径下面了。
首先创建一个配置文件eval_internlm2_7b.py放到configs文件夹下面：

from opencompass.models import HuggingFaceCausalLM
from mmengine.config import read_base

with read_base():
    from .datasets.cmmlu.cmmlu_ppl import cmmlu_datasets
    
datasets = [*cmmlu_datasets]


models = [
    dict(
        type=HuggingFaceCausalLM,
        abbr='internlm2-7b',
        path="/openbayes/input/input1/internlm2-7b",  # 模型文件路径
        tokenizer_path='/openbayes/input/input1/internlm2-7b',
        tokenizer_kwargs=dict(
            trust_remote_code=True,
            use_fast=False,
        ),
        max_seq_len=2048,
        batch_size=1,
        model_kwargs=dict(device_map='auto', trust_remote_code=True),
        run_cfg=dict(num_gpus=1, num_procs=1),
    ) # 多模型评测最好放到一起，因为可以开很多个进程一起评测
]

然后在终端执行命令：

MKL_SERVICE_FORCE_INTEL=1 python run.py configs/eval_internlm2_7b.py

输出会保存到文件opencompass/outputs文件夹里面：