有没有免费看的视频亚马逊关键词快速优化

基础任务（完成此任务即完成闯关）

• 使用 OpenCompass 评测 internlm2-chat-1.8b 模型在 ceval 数据集上的性能，记录复现过程并截图。
  按照教程中的顺序安装包有问题，网上找了解决方案，按一下顺序能正常执行

使用OpenCompass评测internlm2-chat-1.8b模型在ceval数据集上的性能

1. 环境准备

首先，评测环境需要准备妥当。创建一个配置了Cuda 11.7和conda的开发机，并选择10% A100 GPU资源。

接着，创建并激活conda环境：

conda create -n opencompass python=3.10
conda activate opencompass

2. 安装OpenCompass

接下来，安装OpenCompass及其依赖：

cd ~
git clone -b 0.2.4 https://github.com/open-compass/opencompass
cd opencompass
pip install -e .

并安装其他必要的依赖项：

apt-get update
apt-get install cmake
pip install -r requirements.txt
pip install protobuf

3. 准备评测数据集

将评测数据集解压到OpenCompass的data目录下：

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

4. 配置模型

需要配置internlm2-chat-1.8b模型。打开configs/models/hf_internlm/hf_internlm2_chat_1_8b.py文件，并粘贴以下内容：

from opencompass.models import HuggingFaceCausalLMmodels = [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),)
]

5. 启动评测

启动评测可以通过命令行方式或配置文件方式。

5.1 命令行方式

首先，设置一些环境变量：

export MKL_SERVICE_FORCE_INTEL=1
# 或者
export MKL_THREADING_LAYER=GNU

然后使用以下命令启动评测：

python run.py --datasets ceval_gen --models hf_internlm2_chat_1_8b --debug

该命令的含义为：

• --datasets ceval_gen: 使用ceval_gen数据集
• --models hf_internlm2_chat_1_8b: 使用刚刚配置的internlm2-chat-1.8b模型
• --debug: 以debug模式运行，任务将按顺序执行并实时打印输出

这是本人的运行过程：（漫长等待过程）

5.2 配置文件方式

可以通过配置文件方式启动评测。首先，创建一个配置文件：

cd /root/opencompass/configs
touch eval_tutorial_demo.py

然后，在eval_tutorial_demo.py中添加以下内容：

from mmengine.config import read_basewith read_base():from .datasets.ceval.ceval_gen import ceval_datasetsfrom .models.hf_internlm.hf_internlm2_chat_1_8b import models as hf_internlm2_chat_1_8b_modelsdatasets = ceval_datasets
models = hf_internlm2_chat_1_8b_models

接着，使用这个配置文件启动评测：

cd /root/opencompass
python run.py configs/eval_tutorial_demo.py --debug

6. 观察评测结果

运行一切正常，这是结果：

这些结果展示了internlm2-chat-1.8b模型在ceval数据集的各个子集上的性能表现。