评估文档

评估者

Hugging Face's logo
加入 Hugging Face 社区

并获取增强的文档体验

开始使用

评估器

自动评估的评估器类。

评估器类

使用评估器的入口点

evaluate.evaluator

< >

( task: str = None ) Evaluator

参数

返回值

评估者

适合任务的评估器。

用于构建 Evaluator 的实用工厂方法。评估器封装一个任务和一个默认的度量名称。它们利用来自 transformerspipeline 函数来简化给定任务中多组合模型、数据集和度量的评估。

示例

>>> from evaluate import evaluator
>>> # Sentiment analysis evaluator
>>> evaluator("sentiment-analysis")

所有评估器类的基类

class evaluate.Evaluator

< >

( task: str default_metric_name: str = None )

Evaluator 类是从所有评估器继承的类。请参阅此类以获取不同评估器共享的方法。实现评估器操作的基类。

check_required_columns

< >

( data: typing.Union[str, datasets.arrow_dataset.Dataset] columns_names: typing.Dict[str, str] )

参数

  • data (str or Dataset) — 指定我们将要运行评估的数据集。
  • columns_names (List[str]) —
  • 检查数据集中列的名称列表。键是compute()方法的参数,
  • while的值是要检查的列名称。—

确保在数据集中存在用于评估所需的列。

compute_metric

< >

( metric: 评估模块 metric_inputs: typing.Dict strategy: typing.Literal['simple', 'bootstrap'] = 'simple' confidence_level: float = 0.95 n_resamples: int = 9999 random_state: typing.Optional[int] = None )

计算并返回指标。

get_dataset_split

< >

( data subset = None split = None ) split

参数

  • data (str) — 数据集名称
  • subset (str) — 具有多配置的数据集的配置名称(例如,‘glue/cola’)
  • split (str, 默认为 None) — 要使用的分割方法

返回值

split

str 包含要使用的分割方法

如果 None,则推断使用的拆分。

加载数据

< >

( data: typing.Union[str, datasets.arrow_dataset.Dataset] subset: str = None split: str = None ) 数据数据集

参数

  • data (Datasetstr,默认为 None) — 指定我们将在其上运行评估的数据集。如果为
  • type str,我们将其视为数据集名称,并加载它。否则我们假设它表示预加载数据集 —
  • subset (str, 默认值为 None) — 指定要传递给 load_dataset 中的 name 的数据集子集。与具有多个配置的数据集(例如 glue/sst2)一起使用。
  • split (str, 默认值为 None) — 用户定义的数据集划分名称(例如 train,validation,test)。支持切片划分(test[:n])。如果没有定义且数据是 str 类型,将自动通过 choose_split() 选择最佳选项。

返回值

data (Dataset)

用于评估的加载的数据集。

按给定子集和划分加载数据集。

predictions_processor

< >

( *args **kwargs )

Evaluator 类的核心方法,用于处理管道输出来与指标兼容。

prepare_data

< >

( data: 数据集 input_column: str label_column: str *args **kwargs ) dict

参数

  • data (Dataset) — 指定我们将在其中运行评估的数据集。
  • input_column (str, 默认为 "text") — 指定数据集中包含文本特征的列的名称,这个列是由 data 指定的。
  • label_column (str, 默认为 "label") — 数据集中由 data 指定包含标签的列的名称。

返回值

dict

指标输入。 list:管道输入。

准备数据。

prepare_metric

< >

( metric: typing.Union[str, evaluate.module.EvaluationModule] )

参数

  • metric (strEvaluationModule,默认为 None) — 指定评估器中使用的指标。如果它是 str 类型,我们将其视为指标名称并加载。否则,我们假设它代表一个已加载的指标。

准备指标。

prepare_pipeline

< >

( 模型或流水线: typing.Union[str, ForwardRef('Pipeline'), typing.Callable, ForwardRef('PreTrainedModel'), ForwardRef('TFPreTrainedModel')] 分词器: typing.Union[ForwardRef('PreTrainedTokenizerBase'), ForwardRef('FeatureExtractionMixin')] = None 特征提取器: typing.Union[ForwardRef('PreTrainedTokenizerBase'), ForwardRef('FeatureExtractionMixin')] = None 设备: int = None )

参数

  • 模型或流水线 (strPipelineCallablePreTrainedModelTFPreTrainedModel, —
  • 默认值None) — 如果未指定此参数,我们将初始化与任务相关的默认流水线。如果参数是类型 str 或为模型实例,我们将使用它初始化一个新的包含指定模型的 Pipeline。否则,我们假定该参数指定了一个已初始化的流水线。
  • preprocessor(《预训练分词器基类》或 FeatureExtractionMixin可选,默认值 None)— 如果 model_or_pipeline 代表我们将构建管道的模型,则可以使用此参数来覆盖默认预处理程序。如果 model_or_pipelineNone 或已初始化的管道,我们将忽略此参数。

准备管道。

特定任务的评估器

ImageClassificationEvaluator

evaluate.ImageClassificationEvaluator

< >

( task = '图像分类' default_metric_name = None )

图像分类评估器。当前此图像分类评估器可以通过使用默认任务名称 图像分类 指从 评估器() 加载。此类中的方法假定数据格式与 ImageClassificationPipeline 兼容。

compute

< >

( model_or_pipeline: typing.Union[str, ForwardRef('Pipeline'), typing.Callable, ForwardRef('PreTrainedModel'), ForwardRef('TFPreTrainedModel')] = None data: typing.Union[str, datasets.arrow_dataset.Dataset] = None subset: typing.Optional[str] = None split: typing.Optional[str] = None metric: typing.Union[str, evaluate.module.EvaluationModule] = None tokenizer: typing.Union[str, ForwardRef('PreTrainedTokenizer'), NoneType] = None feature_extractor: typing.Union[str, ForwardRef('FeatureExtractionMixin'), NoneType] = None strategy: typing.Literal['simple', 'bootstrap'] = 'simple' confidence_level: float = 0.95 n_resamples: int = 9999 device: int = None random_state: typing.Optional[int] = None input_column: str = 'image' label_column: str = 'label' label_mapping: typing.Union[typing.Dict[str, numbers.Number], NoneType] = None )

参数

  • model_or_pipeline (str أو Pipeline أو Callable أو PreTrainedModel أو TFPreTrainedModel،默認為 None) — 如果沒指定此參數,我們將初始化許可證的默認管道 (在本例中為 text-classification 或其別名 - sentiment-analysis)。如果參數為 str 範圍或為模型實例,我們將其用於初始化帶有給定模型的新 Pipeline。否則,我們假設參數指定了一個預初始化的管道。
  • data (strDataset,默认为 None)— 指定我们在其上运行评估的数据集。如果是 str 类型,我们将其视为数据集名称并加载。否则,我们假设它表示已预加载的数据集。
  • subset (str,默认为 None)— 定义要加载的数据集子集。如果传入 None,则加载默认子集。
  • split (str,默认为 None)— 定义要加载的数据集分割。如果传入 None,则根据 choose_split 函数推断。
  • metric (str or EvaluationModule, 默认为 None) — 指定在评估器中使用的指标。如果它是 str 类型,我们将其视为指标名称并加载。否则,我们假设它代表一个已预先加载的指标。
  • tokenizer (str or PreTrainedTokenizer, 可选,默认为 None) — 当 model_or_pipeline 表示一个我们构建管道的模型时,可以使用此参数覆盖默认的 tokenizer。如果 model_or_pipelineNone 或已预初始化的管道,我们将忽略此参数。
  • strategy (Literal["simple", "bootstrap"], 默认为 “simple”) — 指定评估策略。可能的值有:
  • 置信度 (float,默认值为 0.95) — 如果选择 “bootstrap” 策略,传递给 bootstrapconfidence_level 值。
  • 重采样次数 (int,默认值为 9999) — 如果选择 “bootstrap” 策略,传递给 bootstrapn_resamples 值。
  • 设备 (int,默认值为 None) — 流程对 CPU/GPU 的支持对应的设备序号。将此设置为 -1 将利用 CPU,一个正整数将在相关 CUDA 设备 ID 上运行模型。如果提供 None,则将推断并使用可用的 CUDA:0,否则为 CPU。
  • 随机数生成器 (int可选,默认值为 None) — 如果选择 “bootstrap” 策略,传递给 bootstraprandom_state 值。用于调试。

计算给定管道和数据集组合的指标。

示例

>>> from evaluate import evaluator
>>> from datasets import load_dataset
>>> task_evaluator = evaluator("image-classification")
>>> data = load_dataset("beans", split="test[:40]")
>>> results = task_evaluator.compute(
>>>     model_or_pipeline="nateraw/vit-base-beans",
>>>     data=data,
>>>     label_column="labels",
>>>     metric="accuracy",
>>>     label_mapping={'angular_leaf_spot': 0, 'bean_rust': 1, 'healthy': 2},
>>>     strategy="bootstrap"
>>> )

QuestionAnsweringEvaluator

evaluate.QuestionAnsweringEvaluator

< >

( task = 'question-answering' default_metric_name = None )

问题回答评估器。此评估器处理从上下文中提取答案的提取型问题回答

目前,可以使用默认任务名question-answering通过evaluator()加载此问题回答评估器。

此类中的方法假定数据格式与QuestionAnsweringPipeline兼容。

compute

< >

( 模型或流水线: typing.Union[str, ForwardRef('Pipeline'), typing.Callable, ForwardRef('PreTrainedModel'), ForwardRef('TFPreTrainedModel')] = None 数据: typing.Union[str, datasets.arrow_dataset.Dataset] = None 子集: typing.Optional[str] = None 拆分: typing.Optional[str] = None 度量标准: typing.Union[str, evaluate.module.EvaluationModule] = None 分词器: typing.Union[str, ForwardRef('PreTrainedTokenizer'), NoneType] = None 策略: typing.Literal['simple', 'bootstrap'] = 'simple' 置信度水平: float = 0.95 重采样次数: int = 9999 设备: int = None 随机数种子: typing.Optional[int] = None 问题列: str = 'question' 上下文列: str = 'context' ID列: str = 'id' 标签列: str = 'answers' SQuAD v2格式: typing.Optional[bool] = None )

参数

  • 模型或流水线 (strPipelineCallablePreTrainedModelTFPreTrainedModel,默认为 None) — 如果未指定参数,我们将初始化任务的默认流水线(在本例中为 text-classification 或其别名 - sentiment-analysis)。如果参数为 str 类型或为模型实例,我们将使用它来初始化新的 Pipeline 并使用提供的模型。否则,假设参数指定了一个已初始化的流水线。
  • data (strDataset,默认为 None) — 指定我们将运行评估的数据集。如果它是 str 类型,我们将其视为数据集名称,并加载它。否则,我们假设它代表一个预加载的数据集。
  • subset (str,默认为 None) — 定义要加载的数据集子集。如果传递 None,则加载默认子集。
  • split (str,默认为 None) — 定义要加载的数据集分割。如果传递 None,则根据 choose_split 函数进行推断。
  • metric (strEvaluationModule,默认为 None) — 指定评估器中使用的指标。如果它是 str 类型,我们将其视为指标名称,并加载它。否则,我们假设它代表一个预加载的指标。
  • tokenizer (strPreTrainedTokenizer可选,默认为 None)— 如果 model_or_pipeline 表示一个需要构建管道的模型,可以使用此参数来覆盖默认的词元分割器。如果 model_or_pipelineNone 或预初始化的管道,则忽略此参数。
  • strategy (Literal["simple", "bootstrap"],默认为 “simple”)— 指定评估策略。可能的值包括:
  • confidence_level (float,默认为 0.95)— 如果选择 “bootstrap” 策略,将 confidence_level 值传递给 bootstrap
  • n_resamples (int, 默认值 9999) — 当选择 "bootstrap" 策略时,传递给 bootstrapn_resamples 值。
  • device (int, 默认值 None) — 支持pipeline的CPU/GPU设备序号。将此设置为-1将利用CPU,正整数将在相关CUDA设备ID上运行模型。如果提供None,则将推断使用CUDA:0(如果有),否则使用CPU。
  • random_state (int, 可选, 默认值 None) — 当选择 "bootstrap" 策略时,传递给 bootstraprandom_state 值。用于调试。

计算给定管道和数据集组合的指标。

示例

>>> from evaluate import evaluator
>>> from datasets import load_dataset
>>> task_evaluator = evaluator("question-answering")
>>> data = load_dataset("squad", split="validation[:2]")
>>> results = task_evaluator.compute(
>>>     model_or_pipeline="sshleifer/tiny-distilbert-base-cased-distilled-squad",
>>>     data=data,
>>>     metric="squad",
>>> )

支持的_dataset中,答案可能缺少上下文,例如SQuAD v2数据集。在这种情况下,安全起见,应将squad_v2_format=True传递给compute()调用。

>>> from evaluate import evaluator
>>> from datasets import load_dataset
>>> task_evaluator = evaluator("question-answering")
>>> data = load_dataset("squad_v2", split="validation[:2]")
>>> results = task_evaluator.compute(
>>>     model_or_pipeline="mrm8488/bert-tiny-finetuned-squadv2",
>>>     data=data,
>>>     metric="squad_v2",
>>>     squad_v2_format=True,
>>> )

TextClassificationEvaluator

evaluate.TextClassificationEvaluator

< >

( task = 'text-classification' default_metric_name = None )

文本分类评估器。此文本分类评估器可以通过使用默认任务名 text-classification"sentiment-analysis" 别名从 evaluator() 载入。此类中的方法假定数据格式与 TextClassificationPipeline 兼容 - 单一文本特征作为输入,分类标签作为输出。

compute

< >

( model_or_pipeline: typing.Union[str, ForwardRef('Pipeline'), typing.Callable, ForwardRef('PreTrainedModel'), ForwardRef('TFPreTrainedModel')] = None data: typing.Union[str, datasets.arrow_dataset.Dataset] = None subset: typing.Optional[str] = None split: typing.Optional[str] = None metric: typing.Union[str, evaluate.module.EvaluationModule] = None tokenizer: typing.Union[str, ForwardRef('PreTrainedTokenizer'), NoneType] = None feature_extractor: typing.Union[str, ForwardRef('FeatureExtractionMixin'), NoneType] = None strategy: typing.Literal['simple', 'bootstrap'] = 'simple' confidence_level: float = 0.95 n_resamples: int = 9999 device: int = None random_state: typing.Optional[int] = None input_column: str = 'text' second_input_column: typing.Optional[str] = None label_column: str = 'label' label_mapping: typing.Union[typing.Dict[str, numbers.Number], NoneType] = None )

参数

  • model_or_pipeline (strPipelineCallablePreTrainedModelTFPreTrainedModel,默认为 None) — 如果未指定参数,我们将初始化任务(在本例中为 text-classification 或其别名 - 情感分析)的默认管道。如果参数为 str 类型或为模型实例,我们将使用它初始化一个具有给定模型的新的 Pipeline。否则假设参数指定了一个已初始化的管道。
  • 数据 (strDataset,默认为 None) — 指定我们将对其进行评估的数据集。如果它是 str 类型,我们将其视为数据集名称并加载它。否则,我们假设它表示一个已预载数据集。
  • 子集 (str,默认为 None) — 定义要加载的数据集子集。如果传递了 None,则加载默认子集。
  • 拆分 (str,默认为 None) — 定义要加载的数据集拆分。如果传递了 None,则基于 choose_split 函数推断。
  • metric (strEvaluationModule,默认为 None) — 指定评估器中使用的指标。如果它是 str 类型,我们将其视为指标名称,并加载它。否则,我们假定它代表一个预加载的指标。
  • tokenizer (strPreTrainedTokenizer,可选,默认为 None) — 可以用此参数重写默认词法分析器,如果 model_or_pipeline 表示我们构建管道的模型。如果 model_or_pipelineNone 或预先初始化的管道,则忽略此参数。
  • strategy (Literal["simple", "bootstrap"],默认为 “simple”) — 指定评估策略。可能的值有:
  • 置信度(confidence_level) (float,默认值为0.95) — 如果选择“bootstrap”策略,传递给“bootstrap”的confidence_level值。
  • 重采样次数(n_resamples) (int,默认值为9999) — 如果选择“bootstrap”策略,传递给“bootstrap”的n_resamples值。
  • 设备(device) (int,默认值为None) — 管道对CPU/GPU支持的设备序号。将此值设为-1将使用CPU,正整数将使用相关CUDA设备ID运行模型。如果提供None,则将其推断为CUDA:0,否则为CPU。
  • random_state (int, optional, defaults to None) — 当选择 "bootstrap" 策略时,传递给 bootstraprandom_state 值。对调试很有用。

计算给定管道和数据集组合的指标。

示例

>>> from evaluate import evaluator
>>> from datasets import load_dataset
>>> task_evaluator = evaluator("text-classification")
>>> data = load_dataset("imdb", split="test[:2]")
>>> results = task_evaluator.compute(
>>>     model_or_pipeline="huggingface/prunebert-base-uncased-6-finepruned-w-distil-mnli",
>>>     data=data,
>>>     metric="accuracy",
>>>     label_mapping={"LABEL_0": 0.0, "LABEL_1": 1.0},
>>>     strategy="bootstrap",
>>>     n_resamples=10,
>>>     random_state=0
>>> )

TokenClassificationEvaluator

class evaluate.TokenClassificationEvaluator

< >

( task = 'token-classification' default_metric_name = None )

标记分类评估器。

该标记分类评估器目前可以使用默认任务名称 token-classificationevaluator() 中加载。

此类中的方法假定数据格式与 TokenClassificationPipeline 兼容。

compute

< >

( model_or_pipeline: typing.Union[str, ForwardRef('Pipeline'), typing.Callable, ForwardRef('PreTrainedModel'), ForwardRef('TFPreTrainedModel')] = None data: typing.Union[str, datasets.arrow_dataset.Dataset] = None subset: typing.Optional[str] = None split: str = None metric: typing.Union[str, evaluate.module.EvaluationModule] = None tokenizer: typing.Union[str, ForwardRef('PreTrainedTokenizer'), NoneType] = None strategy: typing.Literal['simple', 'bootstrap'] = 'simple' confidence_level: float = 0.95 n_resamples: int = 9999 device: typing.Optional[int] = None random_state: typing.Optional[int] = None input_column: str = 'tokens' label_column: str = 'ner_tags' join_by: typing.Optional[str] = ' ' )

参数

  • model_or_pipeline (strPipelineCallablePreTrainedModelTFPreTrainedModel,默认为 None) — 如果未指定该参数,我们将为任务(在这种情况下为 text-classification 或其别名 sentiment-analysis)初始化默认的流程。如果参数为类型 str 或是模型实例,我们使用它来初始化一个带有指定模型的新的 Pipeline。否则,我们假设该参数指定了一个已初始化的流程。
  • data (strDataset,默认为 None) — 指定我们将运行评估的数据集。如果它是类型 str,我们将其视为数据集名称,并加载它。否则,我们假设它代表一个已预加载数据集。
  • subset (str,默认为 None) — 定义要加载的数据集子集。如果传入 None,则加载默认子集。
  • split (str, 默认为 None) — 定义要加载的数据集分割。如果传入 None,则基于 choose_split 函数进行推断。
  • metric (strEvaluationModule,默认为 None) — 指定评估器中使用的指标。如果是 str 类型,则将其视为指标名称并加载。否则假设它表示一个已预加载的指标。
  • tokenizer (strPreTrainedTokenizer,可选,默认为 None) — 此参数可用以覆盖默认分词器,如果 model_or_pipeline 表示构建管道的模型。如果 model_or_pipelineNone 或已预初始化的管道,则忽略此参数。
  • strategy (Literal["simple", "bootstrap"], 默认为“simple”) — 指定评估策略。可能值有:
  • confidence_level (float, 默认为 0.95) — 当选择“bootstrap”策略时传递给 bootstrapconfidence_level 值。
  • n_resamples (int, 默认为 9999) — 当选择“bootstrap”策略时传递给 bootstrapn_resamples 值。
  • device (int, 默认为 None) — 管道的 CPU/GPU 支持的设备序号。将其设置为 -1 将利用 CPU,正整数将运行在相关 CUDA 设备 ID 上。如果没有提供 None,它将被推断出来,如果可用则使用 CUDA:0,否则使用 CPU。
  • random_state (int, 可选,默认为 None) — 如果选择 "bootstrap" 策略,将 random_state 值传递给 bootstrap。对调试很有用。

计算给定管道和数据集组合的指标。

数据集输入和标签列应以单词列表和标签列表的格式格式化,具体请参考 conll2003 数据集。不支持输入为单个字符串,标签为偏移列表的数据集。

示例

>>> from evaluate import evaluator
>>> from datasets import load_dataset
>>> task_evaluator = evaluator("token-classification")
>>> data = load_dataset("conll2003", split="validation[:2]")
>>> results = task_evaluator.compute(
>>>     model_or_pipeline="elastic/distilbert-base-uncased-finetuned-conll03-english",
>>>     data=data,
>>>     metric="seqeval",
>>> )

例如,以下数据集格式是被评估器接受的:

dataset = Dataset.from_dict(
    mapping={
        "tokens": [["New", "York", "is", "a", "city", "and", "Felix", "a", "person", "."]],
        "ner_tags": [[1, 2, 0, 0, 0, 0, 3, 0, 0, 0]],
    },
    features=Features({
        "tokens": Sequence(feature=Value(dtype="string")),
        "ner_tags": Sequence(feature=ClassLabel(names=["O", "B-LOC", "I-LOC", "B-PER", "I-PER"])),
        }),
)

例如,以下数据集格式 不被 评估器接受:

dataset = Dataset.from_dict(
    mapping={
        "tokens": [["New York is a city and Felix a person."]],
        "starts": [[0, 23]],
        "ends": [[7, 27]],
        "ner_tags": [["LOC", "PER"]],
    },
    features=Features({
        "tokens": Value(dtype="string"),
        "starts": Sequence(feature=Value(dtype="int32")),
        "ends": Sequence(feature=Value(dtype="int32")),
        "ner_tags": Sequence(feature=Value(dtype="string")),
    }),
)

TextGenerationEvaluator

evaluate.TextGenerationEvaluator

< >

( task = 'text-generation' default_metric_name = None predictions_prefix: str = 'generated' )

文本生成评估器。目前可以从评估器()`通过默认任务名 text-generation 加载此文本生成评估器。此类中的方法假定与 TextGenerationPipeline 兼容的数据格式。

compute

< >

( model_or_pipeline: typing.Union[str, ForwardRef('Pipeline'), typing.Callable, ForwardRef('PreTrainedModel'), ForwardRef('TFPreTrainedModel')] = None data: typing.Union[str, datasets.arrow_dataset.Dataset] = None subset: typing.Optional[str] = None split: typing.Optional[str] = None metric: typing.Union[str, evaluate.module.EvaluationModule] = None tokenizer: typing.Union[str, ForwardRef('PreTrainedTokenizer'), NoneType] = None feature_extractor: typing.Union[str, ForwardRef('FeatureExtractionMixin'), NoneType] = None strategy: typing.Literal['simple', 'bootstrap'] = 'simple' confidence_level: float = 0.95 n_resamples: int = 9999 device: int = None random_state: typing.Optional[int] = None input_column: str = 'text' label_column: str = 'label' label_mapping: typing.Union[typing.Dict[str, numbers.Number], NoneType] = None )

Text2TextGenerationEvaluator

evaluate.Text2TextGenerationEvaluator

< >

( task = 'text2text-generation' default_metric_name = None )

Text2Text生成评估器。目前可以通过使用默认任务名text2text-generation评估器()加载此Text2Text生成评估器。此类中的方法假设数据格式与Text2TextGenerationPipeline兼容。

compute

< >

( model_or_pipeline: typing.Union[str, ForwardRef('Pipeline'), typing.Callable, ForwardRef('PreTrainedModel'), ForwardRef('TFPreTrainedModel')] = None data: typing.Union[str, datasets.arrow_dataset.Dataset] = None subset: typing.Optional[str] = None split: typing.Optional[str] = None metric: typing.Union[str, evaluate.module.EvaluationModule] = None tokenizer: typing.Union[str, ForwardRef('PreTrainedTokenizer'), NoneType] = None strategy: typing.Literal['simple', 'bootstrap'] = 'simple' confidence_level: float = 0.95 n_resamples: int = 9999 device: int = None random_state: typing.Optional[int] = None input_column: str = 'text' label_column: str = 'label' generation_kwargs: dict = None )

参数

  • model_or_pipeline (strPipelineCallablePreTrainedModelTFPreTrainedModel, 默认值为 None) — 如果未指定此参数,将为任务(在本例中为 text-classification 或其别名 - sentiment-analysis)初始化默认流程。如果参数的类型为 str 或是模型实例,我们使用它来初始化具有给定模型的新的 Pipeline。否则假定参数指定了一个已初始化的流程。
  • data (strDataset,默认为 None) — 指定我们将在其上运行评估的数据集。如果它是 str 类型,我们将其视为数据集名称,并加载它。否则,我们假设它代表一个已预加载数据集。
  • subset (str,默认为 None) — 定义要加载的数据集子集。如果传递 None,则加载默认子集。
  • split (str,默认为 None) — 定义要加载的数据集分割。如果传递 None,则根据 choose_split 函数推断。
  • metric (strEvaluationModule,默认为 None) — 指定评估器使用的指标。如果是类型为 str,我们将其视为指标名称并加载它。否则,我们假设它代表一个已预加载的指标。
  • tokenizer (strPreTrainedTokenizer,可选,默认为 None) — 当 model_or_pipeline 表示构建管道的模型时,可以使用此参数覆盖默认分词器。如果 model_or_pipelineNone 或已预初始化的管道,我们将忽略此参数。
  • strategy (Literal["simple", "bootstrap"],默认为 “simple”) — 指定评估策略。可能的值有:

  • 置信水平 (float, 默认值为 0.95) — 选择 "bootstrap" 策略时传递给 bootstrapconfidence_level 值。
  • 重抽样数量 (int, 默认值为 9999) — 选择 "bootstrap" 策略时传递给 bootstrapn_resamples 值。
  • 设备 (int, 默认值为 None) — 用于管道的 CPU/GPU 支持的设备序号。将此设置为 -1 将利用 CPU,正整数将在关联的 CUDA 设备 ID 上运行模型。如果提供 None,将推断并使用 CUDA:0(如果可用),否则使用 CPU。
  • random_state (int, 可选, 默认为 None) — 如果选择“bootstrap”策略,则传递给 bootstraprandom_state 值。用于调试。
  • input_column (str, 默认为 "text") — 存在于 data 指定的数据集中的输入文本所在的列的名称。
  • label_column (str, 默认为 "label") — 存在于 data 指定的数据集中的标签所在的列的名称。
  • generation_kwargs (Dict, 可选, 默认为 None) — 将生成参数字典传递到管道中,设置文本生成策略。

计算给定管道和数据集组合的指标。

SummarizationEvaluator

evaluate.SummarizationEvaluator

< >

( task = 'summarization' default_metric_name = None )

文本摘要评估器。当前可以通过使用默认任务名 summarizationevaluator() 加载此文本摘要评估器。该类中的方法假定数据格式与 SummarizationEvaluator 兼容。

compute

< >

( model_or_pipeline: typing.Union[str, ForwardRef('Pipeline'), typing.Callable, ForwardRef('PreTrainedModel'), ForwardRef('TFPreTrainedModel')] = None data: typing.Union[str, datasets.arrow_dataset.Dataset] = None subset: typing.Optional[str] = None split: typing.Optional[str] = None metric: typing.Union[str, evaluate.module.EvaluationModule] = None tokenizer: typing.Union[str, ForwardRef('PreTrainedTokenizer'), NoneType] = None strategy: typing.Literal['simple', 'bootstrap'] = 'simple' confidence_level: float = 0.95 n_resamples: int = 9999 device: int = None random_state: typing.Optional[int] = None input_column: str = 'text' label_column: str = 'label' generation_kwargs: dict = None )

参数

  • model_or_pipeline (字符串strPipelineCallablePreTrainedModelTFPreTrainedModel,默认为 None)— 如果未指定该参数,我们将初始化默认的管道以用于该任务(在这种情况下为 text-classification 或其别名 sentiment-analysis)。如果该参数为字符串类型或为模型实例,我们将其用于初始化带有指定模型的新的 Pipeline。否则,我们假设参数指定了一个预初始化的管道。
  • data (字符串strDataset,默认为 None)— 指定我们要在其上运行评估的集合。如果该参数为字符串类型,我们将其视为数据集名称并加载它。否则,我们认为这表示一个已预加载数据集。
  • subset (字符串str,默认为 None)— 定义要加载的数据集子集。如果传递 None,则加载默认子集。
  • split (str, 默认为 None) — 定义要加载的数据集分割。如果传递 None,则根据 choose_split 函数进行推断。
  • metric (strEvaluationModule,默认为 None) — 指定在评估器中使用哪种度量标准。如果它是 str 类型,我们将其视为度量标准名称并加载它。否则我们假设它代表一个已加载的度量标准。
  • tokenizer (strPreTrainedTokenizer,可选,默认为 None) — 如果 model_or_pipeline 代表我们构建管道的模型,则可以使用该参数覆盖默认分词器。如果 model_or_pipelineNone 或已初始化的管道,我们将忽略此参数。
  • 策略 (Literal["simple", "bootstrap"], 默认为 “simple”) — 指定评估策略。可能的值有:

  • 置信水平 (float, 默认为 0.95) — 当选择 "bootstrap" 策略时传递给 bootstrapconfidence_level 值。
  • n_resamples (int, 默认为 9999) — 当选择 "bootstrap" 策略时传递给 bootstrapn_resamples 值。
  • 设备(int,默认值为 None)— pipeline 的 CPU/GPU 支持的设备序数。将该值设置为 -1 将利用 CPU,正整数将运行在关联的 CUDA 设备 ID 上。如果提供 None,它将被推断并且如果可用,则使用 CUDA:0,否则使用 CPU。
  • random_stateint可选,默认值为 None)— 选择“bootstrap”策略时传递给 bootstraprandom_state 值。用于调试。
  • input_columnstr,默认值为 "text")— 数据集中包含输入文本的列的名称,由 data 指定。
  • label_columnstr,默认为 "label") — 由 data 指定的数据集中包含标签的列的名称。
  • generation_kwargsDict可选,默认为 None) — 生成kwargs传递给管道并设置文本生成策略。

计算给定管道和数据集组合的指标。

TranslationEvaluator

evaluate.TranslationEvaluator

< >

( task = 'translation' default_metric_name = None )

翻译评估器。当前可以通过使用默认任务名称 translationevaluator() 加载此翻译生成评估器。此类的所有方法都假定了与 TranslationPipeline 兼容的数据格式。

compute

< >

( model_or_pipeline: typing.Union[str, ForwardRef('Pipeline'), typing.Callable, ForwardRef('PreTrainedModel'), ForwardRef('TFPreTrainedModel')] = None data: typing.Union[str, datasets.arrow_dataset.Dataset] = None subset: typing.Optional[str] = None split: typing.Optional[str] = None metric: typing.Union[str, evaluate.module.EvaluationModule] = None tokenizer: typing.Union[str, ForwardRef('PreTrainedTokenizer'), NoneType] = None strategy: typing.Literal['simple', 'bootstrap'] = 'simple' confidence_level: float = 0.95 n_resamples: int = 9999 device: int = None random_state: typing.Optional[int] = None input_column: str = 'text' label_column: str = 'label' generation_kwargs: dict = None )

参数

  • model_or_pipeline (strPipelineCallablePreTrainedModelTFPreTrainedModel,默认为 None) — 如果未指定此参数,则初始化与此任务(在这种情况下为 text-classification 或其别名 sentiment-analysis)兼容的默认管道。如果参数是类型 str 或模型实例,则使用它来初始化一个包含给定模型的新的 Pipeline。否则,假设参数指定了一个已初始化的管道。
  • data (strDataset,默认为 None) — 指定我们将运行评估的语料库。如果它是类型 str,我们认为它是语料库名称,然后加载它。否则,假设它表示一个已预加载的语料库。
  • subset (str, 默认为 None) — 定义要加载的数据集子集。如果传入None,则加载默认子集。
  • split (str, 默认为 None) — 定义要加载的数据集分割。如果传入None,则基于choose_split函数进行推断。
  • metric (strEvaluationModule,默认为 None) — 指定评估器中使用的指标。如果是类型 str,我们将它视为指标名称,并加载它。否则,我们假设它代表一个已预加载的指标。
  • tokenizer (strPreTrainedTokenizer可选,默认为 None) — 此参数可用于覆盖默认分词器,如果 model_or_pipeline 代表一个我们为其构建管道的模型。如果 model_or_pipelineNone 或已预初始化的管道,则忽略此参数。
  • strategy (Literal["simple", "bootstrap"],默认为“simple”) — 指定评估策略。可能的值有:

  • confidence_level (float,默认为 0.95) — 如果选择“bootstrap”策略,将传递给 bootstrapconfidence_level 值。
  • n_resamples (int, 默认为 9999) — 若选择 bootstrap 策略,则传递给 bootstrapn_resamples 值。
  • device (int, 默认为 None) — 支持管道的 CPU/GPU 设备序号。将此设置为 -1 将使用 CPU,正整数将运行于关联的 CUDA 设备 ID。如果没有提供 None,则将推断并使用 CUDA:0(如果可用),否则使用 CPU。
  • random_state (int, 可选,默认为 None) — 若选择 bootstrap 策略,则传递给 bootstraprandom_state 值。调试时很有用。
  • input_column (str, 默认值为 "text") — 在由 data 指定的数据集包含输入文本的列的名称。
  • label_column (str, 默认值为 "label") — 在由 data 指定的数据集包含标签的列的名称。
  • generation_kwargs (Dict, 可选,默认值为 None) — 将生成kwargs传递给流水和设置文本生成策略。

计算给定管道和数据集组合的指标。

AutomaticSpeechRecognitionEvaluator

evaluate.AutomaticSpeechRecognitionEvaluator

< >

( task = 'automatic-speech-recognition' default_metric_name = None )

自动语音识别评估器。当前可以通过默认任务名称 automatic-speech-recognition 使用 evaluate.evaluator 方法加载此自动语音识别评估器。此类中的方法假定与 AutomaticSpeechRecognitionPipeline 兼容的数据格式。

compute

< >

( model_or_pipeline: typing.Union[str, ForwardRef('Pipeline'), typing.Callable, ForwardRef('PreTrainedModel'), ForwardRef('TFPreTrainedModel')] = None data: typing.Union[str, datasets.arrow_dataset.Dataset] = None subset: typing.Optional[str] = None split: typing.Optional[str] = None metric: typing.Union[str, evaluate.module.EvaluationModule] = None tokenizer: typing.Union[str, ForwardRef('PreTrainedTokenizer'), NoneType] = None strategy: typing.Literal['simple', 'bootstrap'] = 'simple' confidence_level: float = 0.95 n_resamples: int = 9999 device: int = None random_state: typing.Optional[int] = None input_column: str = 'path' label_column: str = 'sentence' generation_kwargs: dict = None )

参数

  • model_or_pipeline (strPipelineCallablePreTrainedModelTFPreTrainedModel,默认为 None) — 如果未指定此参数,我们将为任务初始化默认的管道(在本例中为 text-classification 或其别名 - 情感分析)。如果参数为 str 类型或为模型实例,我们将其用于初始化一个具有给定模型的新的 Pipeline。否则,我们假设参数指定的是一个已初始化的管道。
  • data(《字符串》或《数据集》,默认为空)— 指定将在其上运行评估的数据集。如果它是《字符串》的类型,我们将其视为数据集名称并加载它。否则,我们假设它表示已加载的数据集。
  • subset(《字符串》,默认为空)— 定义要加载的数据集子集。如果传递空值,则加载默认子集。
  • split(《字符串》,默认为空)— 定义要加载的数据集分割。如果传递空值,则根据 choose_split 函数推断。
  • metric (strEvaluationModule,默认为 None) — 指定在评估器中使用的度量。如果它是类型 str,我们将其视为度量名称并加载它。否则,我们假设它表示一个已加载的度量。
  • tokenizer (strPreTrainedTokenizer可选,默认为 None) — 可选参数,用于覆盖默认分词器,如果 model_or_pipeline 表示一个需要建立管道的模型。如果 model_or_pipelineNone 或预初始化的管道,我们将忽略此参数。
  • strategy (Literal["simple", "bootstrap"],默认为 “simple”) — 指定评估策略。可能的值有:
  • confidence_level (float, 默认值为 0.95) — 当选择 "bootstrap" 策略时传递给 bootstrapconfidence_level 值。
  • n_resamples (int, 默认值为 9999) — 当选择 "bootstrap" 策略时传递给 bootstrapn_resamples 值。
  • device (int, 默认值为 None) — 流程 CPU/GPU 支持的设备顺序。将此设置为 -1 将使用 CPU,正整数将在关联的 CUDA 设备 ID 上运行模型。如果未提供 None,它将被推断,如果可用则使用 CUDA:0,否则使用 CPU。
  • random_stateint可选,默认为None) — 在选择“bootstrap”策略时传递给bootstraprandom_state值。适用于调试。

计算给定管道和数据集组合的指标。

示例

>>> from evaluate import evaluator
>>> from datasets import load_dataset
>>> task_evaluator = evaluator("automatic-speech-recognition")
>>> data = load_dataset("mozilla-foundation/common_voice_11_0", "en", split="validation[:40]")
>>> results = task_evaluator.compute(
>>>     model_or_pipeline="https://huggingface.co/openai/whisper-tiny.en",
>>>     data=data,
>>>     input_column="path",
>>>     label_column="sentence",
>>>     metric="wer",
>>> )