OpenCompass/docs/zh_cn/user_guides/experimentation.md

任务运行和监控

评测任务发起

评测任务的程序入口为 run.py，使用方法如下：

run.py [-p PARTITION] [-q QUOTATYPE] [--debug] [-m MODE] [-r [REUSE]] [-w WORKDIR] [-l LARK] config

参数解释如下：

• -p 指定 slurm 分区；
• -q 指定 slurm quotatype （默认为 auto），可选 reserved, auto, spot；
• --debug 开启时，推理和评测任务会以单进程模式运行，且输出会实时回显，便于调试；
• -m 运行模式，默认为 all。可以指定为 infer 则仅运行推理，获得输出结果；如果在 {WORKDIR} 中已经有模型输出，则指定为 eval 仅运行评测，获得评测结果；如果在 results 中已有单项评测结果，则指定为 viz 仅运行可视化；指定为 all 则同时运行推理和评测。
• -r 重用已有的推理结果。如果后面跟有时间戳，则会复用工作路径下该时间戳的结果；否则则复用指定工作路径下的最新结果。
• -w 指定工作路径，默认为 ./outputs/default
• -l 打开飞书机器人状态上报。

以运行模式-m all为例，整体运行流如下：

1. 读取配置文件，解析出模型、数据集、评估器等配置信息
2. 评测任务主要分为推理 infer、评测 eval 和可视化 viz 三个阶段，其中推理和评测经过 Partitioner 进行任务切分后，交由 Runner 负责并行执行。单个推理和评测任务则被抽象成 OpenICLInferTask 和 OpenICLEvalTask。
3. 两阶段分别结束后，可视化阶段会读取 results 中的评测结果，生成可视化报告。

任务监控：飞书机器人

用户可以通过配置飞书机器人，实现任务状态的实时监控。飞书机器人的设置文档请参考这里。

配置方式:

1. 打开 configs/lark.py 文件，并在文件中加入以下行：

lark_bot_url = 'YOUR_WEBHOOK_URL'

通常， Webhook URL 格式如 https://open.feishu.cn/open-apis/bot/v2/hook/xxxxxxxxxxxxxxxxx 。

2. 在完整的评测配置中继承该文件：

  from mmengine.config import read_base

  with read_base():
      from .lark import lark_bot_url

3. 为了避免机器人频繁发消息形成骚扰，默认运行时状态不会自动上报。有需要时，可以通过 -l 或 --lark 启动状态上报：

python run.py configs/eval_demo.py -p {PARTITION} -l

Summerizer介绍

主要用于可视化评测结果。

运行结果

所有运行结果会默认放在outputs/default/目录下，目录结构如下所示：

outputs/default/
├── 20200220_120000
├── ...
├── 20230220_183030
│   ├── configs
│   ├── logs
│   │   ├── eval
│   │   └── infer
│   ├── predictions
│   │   └── MODEL1
│   └── results
│       └── MODEL1

其中，每一个时间戳中存在以下内容：

• configs文件夹，用于存放以这个时间戳为输出目录的每次运行对应的配置文件；
• logs文件夹，用于存放推理和评测两个阶段的输出日志文件，各个文件夹内会以模型为子文件夹存放日志；
• predicitions文件夹，用于存放推理json结果，以模型为子文件夹；
• results文件夹，用于存放评测json结果，以模型为子文件夹

另外，所有指定-r 但是没有指定对应时间戳将会按照排序选择最新的文件夹作为输出目录。