5.9 KiB
常见问题
通用
OpenCompass 如何分配 GPU？
OpenCompass 使用称为 task (任务) 的单位处理评估请求。每个任务都是模型和数据集的独立组合。任务所需的 GPU 资源完全由正在评估的模型决定，具体取决于 num_gpus 参数。
在评估过程中，OpenCompass 部署多个工作器并行执行任务。这些工作器不断尝试获取 GPU 资源直到成功运行任务。因此，OpenCompass 始终努力充分利用所有可用的 GPU 资源。
例如，如果您在配备有 8 个 GPU 的本地机器上使用 OpenCompass，每个任务要求 4 个 GPU，那么默认情况下，OpenCompass 会使用所有 8 个 GPU 同时运行 2 个任务。但是，如果您将 --max-num-workers 设置为 1，那么一次只会处理一个任务，只使用 4 个 GPU。
我如何控制 OpenCompass 占用的 GPU 数量？
目前，没有直接的方法来指定 OpenCompass 可以使用的 GPU 数量。但以下是一些间接策略：
如果在本地评估：
您可以通过设置 CUDA_VISIBLE_DEVICES 环境变量来限制 OpenCompass 的 GPU 访问。例如，使用 CUDA_VISIBLE_DEVICES=0,1,2,3 python run.py ... 只会向 OpenCompass 暴露前四个 GPU，确保它同时使用的 GPU 数量不超过这四个。
如果使用 Slurm 或 DLC：
尽管 OpenCompass 没有直接访问资源池，但您可以调整 --max-num-workers 参数以限制同时提交的评估任务数量。这将间接管理 OpenCompass 使用的 GPU 数量。例如，如果每个任务需要 4 个 GPU，您希望分配总共 8 个 GPU，那么应将 --max-num-workers 设置为 2。
网络
运行报错：('Connection aborted.', ConnectionResetError(104, 'Connection reset by peer')) 或 urllib3.exceptions.MaxRetryError: HTTPSConnectionPool(host='cdn-lfs.huggingface.co', port=443)
由于 HuggingFace 的实现，OpenCompass 在首次加载某些数据集和模型时需要网络（尤其是与 HuggingFace 的连接）。此外，每次启动时都会连接到 HuggingFace。为了成功运行，您可以：
- 通过指定环境变量
http_proxy和https_proxy，挂上代理； - 使用其他机器的缓存文件。首先在有 HuggingFace 访问权限的机器上运行实验，然后将缓存文件复制到离线的机器上。缓存文件默认位于
~/.cache/huggingface/（文档）。当缓存文件准备好时，您可以在离线模式下启动评估：
这样，评估不再需要网络连接。但是，如果缓存中缺少任何数据集或模型的文件，仍然会引发错误。HF_DATASETS_OFFLINE=1 TRANSFORMERS_OFFLINE=1 HF_EVALUATE_OFFLINE=1 python run.py ...
我的服务器无法连接到互联网，我如何使用 OpenCompass？
如 网络-Q1 所述，使用其他机器的缓存文件。
在评估阶段报错 FileNotFoundError: Couldn't find a module script at opencompass/accuracy.py. Module 'accuracy' doesn't exist on the Hugging Face Hub either.
HuggingFace 试图将度量（例如 accuracy）作为在线模块加载，如果网络无法访问，它可能会失败。请参考 网络-Q1 以解决您的网络问题。
该问题在最新版 OpenCompass 中已经修复，因此也可以考虑使用最新版的 OpenCompass。
效率
为什么 OpenCompass 将每个评估请求分割成任务？
鉴于大量的评估时间和大量的数据集，对 LLM 模型进行全面的线性评估可能非常耗时。为了解决这个问题，OpenCompass 将评估请求分为多个独立的 “任务”。然后，这些任务被派发到各种 GPU 组或节点，实现全并行并最大化计算资源的效率。
任务分区是如何工作的？
OpenCompass 中的每个任务代表等待评估的特定模型和数据集部分的组合。OpenCompass 提供了各种任务分区策略，每种策略都针对不同的场景。在推理阶段，主要的分区方法旨在平衡任务大小或计算成本。这种成本是从数据集大小和推理类型中启发式地得出的。
为什么在 OpenCompass 上评估 LLM 模型需要更多时间？
任务数量与加载模型的时间之间存在权衡。例如，如果我们将评估模型与数据集的请求分成 100 个任务，模型将总共加载 100 次。当资源充足时，这 100 个任务可以并行执行，所以在模型加载上花费的额外时间可以忽略。但是，如果资源有限，这 100 个任务会更加串行地执行，重复的加载可能成为执行时间的瓶颈。
因此，如果用户发现任务数量远远超过可用的 GPU，我们建议将 --max-partition-size 设置为一个较大的值。
模型
如何使用本地已下好的Huggingface模型?
如果您已经提前下载好Huggingface的模型文件，请手动指定模型路径，并在--model-kwargs 和 --tokenizer-kwargs中添加 trust_remote_code=True. 示例如下
python run.py --datasets siqa_gen winograd_ppl \
--hf-path /path/to/model \ # HuggingFace 模型地址
--tokenizer-path /path/to/model \ # HuggingFace 模型地址
--model-kwargs device_map='auto' trust_remote_code=True \ # 构造 model 的参数
--tokenizer-kwargs padding_side='left' truncation='left' use_fast=False trust_remote_code=True \ # 构造 tokenizer 的参数
--max-out-len 100 \ # 模型能接受的最大序列长度
--max-seq-len 2048 \ # 最长生成 token 数
--batch-size 8 \ # 批次大小
--no-batch-padding \ # 不打开 batch padding，通过 for loop 推理，避免精度损失
--num-gpus 1 # 所需 gpu 数