59 lines
2.3 KiB
Markdown
59 lines
2.3 KiB
Markdown
# 支持新数据集
|
||
|
||
尽管 OpenCompass 已经包含了大多数常用数据集，用户在支持新数据集的时候需要完成以下几个步骤：
|
||
|
||
1. 在 `opencompass/datasets` 文件夹新增数据集脚本 `mydataset.py`, 该脚本需要包含：
|
||
|
||
- 数据集及其加载方式，需要定义一个 `MyDataset` 类，实现数据集加载方法 `load`，该方法为静态方法，需要返回 `datasets.Dataset` 类型的数据。这里我们使用 huggingface dataset 作为数据集的统一接口，避免引入额外的逻辑。具体示例如下：
|
||
|
||
```python
|
||
import datasets
|
||
from .base import BaseDataset
|
||
|
||
class MyDataset(BaseDataset):
|
||
|
||
@staticmethod
|
||
def load(**kwargs) -> datasets.Dataset:
|
||
pass
|
||
```
|
||
|
||
- （可选）如果 OpenCompass 已有的评测器不能满足需要，需要用户定义 `MyDatasetlEvaluator` 类，实现评分方法 `score`，需要根据输入的 `predictions` 和 `references` 列表，得到需要的字典。由于一个数据集可能存在多种 metric，需要返回一个 metrics 以及对应 scores 的相关字典。具体示例如下：
|
||
|
||
```python
|
||
from opencompass.openicl.icl_evaluator import BaseEvaluator
|
||
|
||
class MyDatasetlEvaluator(BaseEvaluator):
|
||
|
||
def score(self, predictions: List, references: List) -> dict:
|
||
pass
|
||
|
||
```
|
||
|
||
- （可选）如果 OpenCompass 已有的后处理方法不能满足需要，需要用户定义 `mydataset_postprocess` 方法，根据输入的字符串得到相应后处理的结果。具体示例如下：
|
||
|
||
```python
|
||
def mydataset_postprocess(text: str) -> str:
|
||
pass
|
||
```
|
||
|
||
2. 在定义好数据集加载、评测以及数据后处理等方法之后，需要在配置文件中新增以下配置：
|
||
|
||
```python
|
||
from opencompass.datasets import MyDataset, MyDatasetlEvaluator, mydataset_postprocess
|
||
|
||
mydataset_eval_cfg = dict(
|
||
evaluator=dict(type=MyDatasetlEvaluator),
|
||
pred_postprocessor=dict(type=mydataset_postprocess))
|
||
|
||
mydataset_datasets = [
|
||
dict(
|
||
type=MyDataset,
|
||
...,
|
||
reader_cfg=...,
|
||
infer_cfg=...,
|
||
eval_cfg=mydataset_eval_cfg)
|
||
]
|
||
```
|
||
|
||
配置好数据集之后，其他需要的配置文件直接参考[快速上手](../get_started.md)教程即可。
|