add beginner docker evaluation SOP
This commit is contained in:
sora
parent
4d54a8c7ea
commit
ff946f221a
197
DOCKER_SOP_BEGINNER.md
Normal file
197
DOCKER_SOP_BEGINNER.md
Normal file
@ -0,0 +1,197 @@
|
||||
# EvalScope Docker 评测 SOP（新手版）
|
||||
|
||||
本文档以 P800-02 为例，假设模型已经由 `/data1/yy/deploy_dsv4.sh` 部署为 OpenAI 兼容 API。
|
||||
|
||||
## 0. 固定目录
|
||||
|
||||
统一使用以下目录，避免宿主机和容器路径混淆：
|
||||
|
||||
```bash
|
||||
export EVAL_ROOT=/data1/sora/temp/evalstone
|
||||
export IMAGE=evalscope-complete-py312:latest
|
||||
export MODEL=DeepSeek-V4-Flash-INT8
|
||||
export API_URL=http://127.0.0.1:30000/v1
|
||||
```
|
||||
|
||||
重要：EvalScope 会自动在 `--dataset-dir` 后查找 `datasets/`，所以数据位于
|
||||
`$EVAL_ROOT/datasets/` 时，必须传 `$EVAL_ROOT`，不能传 `$EVAL_ROOT/datasets`。
|
||||
|
||||
## 1. 检查机器和目录
|
||||
|
||||
```bash
|
||||
test -d "$EVAL_ROOT" && echo '代码目录 OK'
|
||||
test -d /data1/models/DeepSeek-V4-Flash-INT8 && echo '模型目录 OK'
|
||||
docker version
|
||||
docker image inspect "$IMAGE" >/dev/null && echo '评测镜像 OK'
|
||||
```
|
||||
|
||||
若代码不存在：
|
||||
|
||||
```bash
|
||||
git clone https://git.meta-stone.net/sora/evalstone.git "$EVAL_ROOT"
|
||||
```
|
||||
|
||||
## 2. 下载数据集
|
||||
|
||||
```bash
|
||||
mkdir -p "$EVAL_ROOT/datasets"
|
||||
modelscope download \
|
||||
--repo-type dataset \
|
||||
--local_dir "$EVAL_ROOT/datasets" \
|
||||
SoraAmami/evalscope-datasets
|
||||
```
|
||||
|
||||
验证数据没有多套 `datasets/` 嵌套：
|
||||
|
||||
```bash
|
||||
test -d "$EVAL_ROOT/datasets"
|
||||
find "$EVAL_ROOT/datasets" -mindepth 1 -maxdepth 1 -type d | head
|
||||
test ! -d "$EVAL_ROOT/datasets/datasets" && echo '数据目录结构 OK'
|
||||
```
|
||||
|
||||
## 3. 安装/验证 Python 入口
|
||||
|
||||
评测代码内置 EvalScope 源码。宿主机直接运行时：
|
||||
|
||||
```bash
|
||||
cd "$EVAL_ROOT"
|
||||
python3 -m py_compile bash/run.py
|
||||
python3 bash/run.py --help
|
||||
```
|
||||
|
||||
Docker 中运行时，使用 `/opt/evalscope`，不要使用不存在的 `/workspace/evalscope`。
|
||||
|
||||
## 4. 启动并验证模型
|
||||
|
||||
```bash
|
||||
bash /data1/yy/deploy_dsv4.sh int8 30000
|
||||
```
|
||||
|
||||
验证 OpenAI API：
|
||||
|
||||
```bash
|
||||
curl -sS "$API_URL/models"
|
||||
```
|
||||
|
||||
必须能看到模型列表。若 `/health` 返回空响应但 `/v1/models` 正常，以 `/v1/models` 为准。
|
||||
|
||||
## 5. 准备代码执行 sandbox
|
||||
|
||||
humaneval 和 bigcodebench 需要 Docker sandbox：
|
||||
|
||||
```bash
|
||||
docker pull python:3.11-slim
|
||||
docker pull bigcodebench/bigcodebench-evaluate:latest
|
||||
cd "$EVAL_ROOT"
|
||||
docker build -t bigcodebench-sandbox:latest -f - . <<'EOF'
|
||||
FROM bigcodebench/bigcodebench-evaluate:latest
|
||||
ENTRYPOINT []
|
||||
CMD ["tail", "-f", "/dev/null"]
|
||||
EOF
|
||||
```
|
||||
|
||||
## 6. Docker 运行评测容器
|
||||
|
||||
```bash
|
||||
mkdir -p "$EVAL_ROOT/output"
|
||||
docker run --rm --network host \
|
||||
-v "$EVAL_ROOT:/opt/evalscope" \
|
||||
-v /data1/models:/opt/models:ro \
|
||||
-v /var/run/docker.sock:/var/run/docker.sock \
|
||||
"$IMAGE" bash -lc '
|
||||
cd /opt/evalscope
|
||||
python3 bash/run.py --help
|
||||
'
|
||||
```
|
||||
|
||||
关键路径规则：
|
||||
|
||||
- 宿主机 `$EVAL_ROOT` 对应容器 `/opt/evalscope`
|
||||
- 容器内数据目录是 `/opt/evalscope/datasets`
|
||||
- `--dataset-dir` 填 `/opt/evalscope`
|
||||
- `--tokenizer-path` 填 `/opt/models/DeepSeek-V4-Flash-INT8`
|
||||
|
||||
## 7. 先做一条样本 smoke test
|
||||
|
||||
```bash
|
||||
docker run --rm --network host \
|
||||
-v "$EVAL_ROOT:/opt/evalscope" \
|
||||
-v /data1/models:/opt/models:ro \
|
||||
-v /var/run/docker.sock:/var/run/docker.sock \
|
||||
"$IMAGE" bash -lc '
|
||||
cd /opt/evalscope
|
||||
python3 bash/run.py \
|
||||
--model DeepSeek-V4-Flash-INT8 \
|
||||
--api-url http://127.0.0.1:30000/v1 \
|
||||
--dataset-dir /opt/evalscope \
|
||||
--output-dir /opt/evalscope/output_smoke \
|
||||
--tokenizer-path /opt/models/DeepSeek-V4-Flash-INT8 \
|
||||
--datasets gsm8k \
|
||||
--limit 1 \
|
||||
--batch-size 1
|
||||
'
|
||||
```
|
||||
|
||||
smoke test 成功标准：生成 `output_smoke/`，并出现 `reports/gsm8k.json`。
|
||||
|
||||
## 8. Suite 选择
|
||||
|
||||
```text
|
||||
full 28 个：完整标准评测
|
||||
lite 6 个：快速检查
|
||||
mid 13 个：中等规模
|
||||
k3 9 个：gpqa_diamond、hle、terminal_bench_v2、browsecomp、
|
||||
mcp_atlas、officeqa、deepsearchqa、jobbench、automation_bench
|
||||
tencent_hunyuan 当前为空，等清单确认后再启用
|
||||
```
|
||||
|
||||
正式运行示例：
|
||||
|
||||
```bash
|
||||
python3 bash/run.py \
|
||||
--model DeepSeek-V4-Flash-INT8 \
|
||||
--api-url http://127.0.0.1:30000/v1 \
|
||||
--dataset-dir /data1/sora/temp/evalstone \
|
||||
--output-dir /data1/sora/temp/evalstone/output \
|
||||
--tokenizer-path /data1/models/DeepSeek-V4-Flash-INT8 \
|
||||
--suite lite \
|
||||
--limit none \
|
||||
--batch-size 4
|
||||
```
|
||||
|
||||
也可以覆盖 suite：
|
||||
|
||||
```bash
|
||||
python3 bash/run.py --datasets gsm8k,arc --limit none
|
||||
```
|
||||
|
||||
## 9. 查看结果
|
||||
|
||||
```bash
|
||||
find "$EVAL_ROOT/output" -name '*.json' | sort
|
||||
python3 - <<'PY'
|
||||
import glob, json
|
||||
for f in sorted(glob.glob('/data1/sora/temp/evalstone/output/*/seed_*/reports/*/*.json')):
|
||||
d=json.load(open(f))
|
||||
print(f, d.get('score', d.get('mean_acc', 'N/A')))
|
||||
PY
|
||||
```
|
||||
|
||||
## 10. 常见问题
|
||||
|
||||
- `ModuleNotFoundError: evalscope`：使用仓库最新版 `bash/run.py`，或在容器内从 `/opt/evalscope` 执行。
|
||||
- 找不到数据：确认 `--dataset-dir` 指向父目录，而不是 `datasets/`。
|
||||
- API 连接失败：先执行 `curl http://127.0.0.1:30000/v1/models`。
|
||||
- XCCL `shmget errno=17`：检查其他 XPU 任务和残留共享内存，不要未经确认执行全局 `ipcrm`。
|
||||
- Docker sandbox 失败：确认已加载 `python:3.11-slim` 和 `bigcodebench-sandbox:latest`。
|
||||
- Excel 汇总失败：镜像和宿主机应包含 `openpyxl`；可验证 `python3 -c 'import openpyxl'`。
|
||||
|
||||
## 11. 清理
|
||||
|
||||
只删除本次输出，不删除数据和模型：
|
||||
|
||||
```bash
|
||||
rm -rf "$EVAL_ROOT/output_smoke"
|
||||
```
|
||||
|
||||
删除 Docker benchmark 镜像前，必须确认没有其他评测任务使用它们。
|
||||
Loading…
x
Reference in New Issue
Block a user