Lighteval 文档

保存和读取结果

Hugging Face's logo
加入 Hugging Face 社区

并获得增强的文档体验

开始使用

保存和读取结果

在本地保存结果

Lighteval 将自动将结果和评估详情保存在通过 --output-dir 选项设置的目录中。结果将保存在 {output_dir}/results/{model_name}/results_{timestamp}.json这是一个结果文件的示例。输出路径可以是任何与 fsspec 兼容的路径(本地、s3、hf hub、gdrive、ftp 等)。

要保存评估的详细信息,可以使用 --save-details 选项。详细信息将保存在一个 parquet 文件中:{output_dir}/details/{model_name}/{timestamp}/details_{task}_{timestamp}.parquet

将结果推送到 Hugging Face Hub

您可以将结果和评估详情推送到 Hugging Face Hub。为此,您需要设置 --push-to-hub 以及 --results-org 选项。结果将保存在名为 {results_org}/{model_org}/{model_name} 的数据集中。要推送详情,您需要设置 --save-details 选项。创建的数据集默认是私有的,您可以通过设置 --public-run 选项将其设为公开。

将结果推送到 Tensorboard

您可以通过设置 --push-to-tensorboard 将结果推送到 Tensorboard。这将在通过 --results-org 选项设置的 HF 组织中创建一个 Tensorboard 面板。

将结果推送到 WandB

您可以通过设置 --wandb 将结果推送到 WandB。这将初始化一个 WandB 运行并记录结果。

Wandb 参数需要在您的环境变量中设置。

export WANDB_PROJECT="lighteval"

您可以在 wandb 文档 中找到变量列表。

如何加载和研究详情

从本地详情文件加载

from datasets import load_dataset
import os

output_dir = "evals_doc"
model_name = "HuggingFaceH4/zephyr-7b-beta"
timestamp = "latest"
task = "lighteval|gsm8k|0"

if timestamp == "latest":
    path = f"{output_dir}/details/{model_org}/{model_name}/*/"
    timestamps = glob.glob(path)
    timestamp = sorted(timestamps)[-1].split("/")[-2]
    print(f"Latest timestamp: {timestamp}")

details_path = f"{output_dir}/details/{model_name}/{timestamp}/details_{task}_{timestamp}.parquet"

# Load the details
details = load_dataset("parquet", data_files=details_path, split="train")

for detail in details:
    print(detail)

从 Hugging Face Hub 加载

from datasets import load_dataset

results_org = "SaylorTwift"
model_name = "HuggingFaceH4/zephyr-7b-beta"
sanitized_model_name = model_name.replace("/", "__")
task = "lighteval|gsm8k|0"
public_run = False

dataset_path = f"{results_org}/details_{sanitized_model_name}{'_private' if not public_run else ''}"
details = load_dataset(dataset_path, task.replace("|", "_"), split="latest")

for detail in details:
    print(detail)

详情文件包含以下列

  • choices: 在多选题任务中呈现给模型的选项。
  • gold: 黄金答案。
  • gold_index: 黄金答案在选项列表中的索引。
  • cont_tokens: 续写(continuation)的 token。
  • example: 文本形式的输入。
  • full_prompt: 将输入到模型的完整提示。
  • input_tokens: 完整提示的 token。
  • instruction: 给模型的指令。
  • metrics: 为该示例计算的指标。
  • num_asked_few_shots: 请求模型的少样本(few shot)数量。
  • num_effective_few_shots: 有效的少样本数量。
  • padded: 输入是否被填充。
  • pred_logits: 模型的 logits。
  • predictions: 模型的预测结果。
  • specifics: 任务的细节。
  • truncated: 输入是否被截断。

结果文件示例

{
  "config_general": {
    "lighteval_sha": "203045a8431bc9b77245c9998e05fc54509ea07f",
    "num_fewshot_seeds": 1,
    "override_batch_size": 1,
    "max_samples": 1,
    "job_id": "",
    "start_time": 620979.879320166,
    "end_time": 621004.632108041,
    "total_evaluation_time_secondes": "24.752787875011563",
    "model_name": "gpt2",
    "model_sha": "607a30d783dfa663caf39e06633721c8d4cfcd7e",
    "model_dtype": null,
    "model_size": "476.2 MB"
  },
  "results": {
    "lighteval|gsm8k|0": {
      "qem": 0.0,
      "qem_stderr": 0.0,
      "maj@8": 0.0,
      "maj@8_stderr": 0.0
    },
    "all": {
      "qem": 0.0,
      "qem_stderr": 0.0,
      "maj@8": 0.0,
      "maj@8_stderr": 0.0
    }
  },
  "versions": {
    "lighteval|gsm8k|0": 0
  },
  "config_tasks": {
    "lighteval|gsm8k": {
      "name": "gsm8k",
      "prompt_function": "gsm8k",
      "hf_repo": "gsm8k",
      "hf_subset": "main",
      "metric": [
        {
          "metric_name": "qem",
          "higher_is_better": true,
          "category": "3",
          "use_case": "5",
          "sample_level_fn": "compute",
          "corpus_level_fn": "mean"
        },
        {
          "metric_name": "maj@8",
          "higher_is_better": true,
          "category": "5",
          "use_case": "5",
          "sample_level_fn": "compute",
          "corpus_level_fn": "mean"
        }
      ],
      "hf_avail_splits": [
        "train",
        "test"
      ],
      "evaluation_splits": [
        "test"
      ],
      "few_shots_split": null,
      "few_shots_select": "random_sampling_from_train",
      "generation_size": 256,
      "generation_grammar": null,
      "stop_sequence": [
        "Question="
      ],
      "num_samples": null,
      "suite": [
        "lighteval"
      ],
      "original_num_docs": 1319,
      "effective_num_docs": 1,
      "trust_dataset": true,
      "must_remove_duplicate_docs": null,
      "version": 0
    }
  },
  "summary_tasks": {
    "lighteval|gsm8k|0": {
      "hashes": {
        "hash_examples": "8517d5bf7e880086",
        "hash_full_prompts": "8517d5bf7e880086",
        "hash_input_tokens": "29916e7afe5cb51d",
        "hash_cont_tokens": "37f91ce23ef6d435"
      },
      "truncated": 2,
      "non_truncated": 0,
      "padded": 0,
      "non_padded": 2,
      "effective_few_shots": 0.0,
      "num_truncated_few_shots": 0
    }
  },
  "summary_general": {
    "hashes": {
      "hash_examples": "5f383c395f01096e",
      "hash_full_prompts": "5f383c395f01096e",
      "hash_input_tokens": "ac933feb14f96d7b",
      "hash_cont_tokens": "9d03fb26f8da7277"
    },
    "truncated": 2,
    "non_truncated": 0,
    "padded": 0,
    "non_padded": 2,
    "num_truncated_few_shots": 0
  }
}
< > 在 GitHub 上更新