Lighteval 文档

使用 VLLM 作为后端

Hugging Face's logo
加入 Hugging Face 社区

并获得增强的文档体验

开始使用

使用 VLLM 作为后端

Lighteval 允许您使用 vllm 作为后端,从而实现极大的速度提升。要使用它,只需更改 model_args 以反映您想传递给 vllm 的参数。

有关 vllm 引擎参数的文档可以在这里找到。

lighteval vllm \
    "model_name=HuggingFaceH4/zephyr-7b-beta,dtype=float16" \
    "leaderboard|truthfulqa:mc|0|0"

vllm 能够使用数据并行、流水线并行或张量并行将模型分布在多个 GPU 上。您可以通过在 model_args 中设置来选择并行方法。

例如,如果您有 4 个 GPU,您可以使用 tensor_parallelism 将其拆分

export VLLM_WORKER_MULTIPROC_METHOD=spawn && lighteval vllm \
    "model_name=HuggingFaceH4/zephyr-7b-beta,dtype=float16,tensor_parallel_size=4" \
    "leaderboard|truthfulqa:mc|0|0"

或者,如果您的模型适合单个 GPU,您可以使用 data_parallelism 来加速评估

lighteval vllm \
    "model_name=HuggingFaceH4/zephyr-7b-beta,dtype=float16,data_parallel_size=4" \
    "leaderboard|truthfulqa:mc|0|0"

使用配置文件

对于更高级的配置,您可以为模型使用配置文件。配置文件的示例如下所示,可以在 examples/model_configs/vllm_model_config.yaml 中找到。

lighteval vllm \
    "examples/model_configs/vllm_model_config.yaml" \
    "leaderboard|truthfulqa:mc|0|0"
model_parameters:
    model_name: "HuggingFaceTB/SmolLM-1.7B-Instruct"
    revision: "main"
    dtype: "bfloat16"
    tensor_parallel_size: 1
    data_parallel_size: 1
    pipeline_parallel_size: 1
    gpu_memory_utilization: 0.9
    max_model_length: 2048
    swap_space: 4
    seed: 1
    trust_remote_code: True
    use_chat_template: True
    add_special_tokens: True
    multichoice_continuations_start_space: True
    pairwise_tokenization: True
    subfolder: null
    generation_parameters:
      presence_penalty: 0.0
      repetition_penalty: 1.0
      frequency_penalty: 0.0
      temperature: 1.0
      top_k: 50
      min_p: 0.0
      top_p: 1.0
      seed: 42
      stop_tokens: null
      max_new_tokens: 1024
      min_new_tokens: 0

在出现内存不足(OOM)问题的情况下,您可能需要减小模型的上下文大小,并降低 gpu_memory_utilization 参数。

动态更改指标配置

对于特殊类型的指标,如 Pass@K 或 LiveCodeBench 的 codegen 指标,您可能需要传递特定的值,例如生成的数量。这可以在 yaml 文件中通过以下方式完成

model_parameters:
    model_name: "HuggingFaceTB/SmolLM-1.7B-Instruct"
    revision: "main"
    dtype: "bfloat16"
    tensor_parallel_size: 1
    data_parallel_size: 1
    pipeline_parallel_size: 1
    gpu_memory_utilization: 0.9
    max_model_length: 2048
    swap_space: 4
    seed: 1
    trust_remote_code: True
    use_chat_template: True
    add_special_tokens: True
    multichoice_continuations_start_space: True
    pairwise_tokenization: True
    subfolder: null
    generation_parameters:
      presence_penalty: 0.0
      repetition_penalty: 1.0
      frequency_penalty: 0.0
      temperature: 1.0
      top_k: 50
      min_p: 0.0
      top_p: 1.0
      seed: 42
      stop_tokens: null
      max_new_tokens: 1024
      min_new_tokens: 0
metric_options: # Optional metric arguments
    codegen_pass@1:16:
        num_samples: 16

可以在 yaml 文件中传递一个可选键 metric_options,使用 Metric.metric_name 中定义的指标名称。在这种情况下,我们任务中定义的 codegen_pass@1:16 指标的 num_samples 将更新为 16,而不管默认定义的数量是多少。

< > 在 GitHub 上更新