evaluate 库

Python 中的 LLM 入门

Jasmin Ludolf

Senior Data Science Content Developer, DataCamp

evaluate 库

import evaluate

accuracy = evaluate.load("accuracy")

print(accuracy.description)

Accuracy is the proportion of correct
predictions among the total number of cases
processed. It can be computed with:
Accuracy = (TP + TN) / (TP + TN + FP + FN)
Where:
TP: True positive
TN: True negative
FP: False positive
FN: False negative

 

  • 指标： 基于真实标签评估模型表现

 

  • 对比： 比较两个模型

 

  • 度量： 洞察数据集属性
Python 中的 LLM 入门

Features 属性

print(accuracy.features)

{'predictions': Value(dtype='int32', id=None),
 'references': Value(dtype='int32', id=None)}

查看指标所需输入

  • 'predictions'：模型输出
  • 'references'：真实标签
  • .features：指示类别标签支持的类型，如 'int32' 或 'float32'
f1 = evaluate.load("f1")
print(f1.features)

{'predictions': Value(dtype='int32', id=None),
 'references': Value(dtype='int32', id=None)}

pearson_corr = evaluate.load("pearsonr")
print(pearson_corr.features)

{'predictions': Value(dtype='float32', id=None),
'references': Value(dtype='float32', id=None)}
Python 中的 LLM 入门

LLM 任务与指标

 

语言任务的评估指标

Python 中的 LLM 入门

LLM 任务与指标

 

语言任务的评估指标

Python 中的 LLM 入门

分类指标

accuracy = evaluate.load("accuracy")
precision = evaluate.load("precision")
recall = evaluate.load("recall")
f1 = evaluate.load("f1")

from transformers import pipeline

classifier = pipeline("text-classification", model=model, tokenizer=tokenizer)

predictions = classifier(evaluation_text)


predicted_labels = [1 if pred["label"] == "POSITIVE" else 0 for pred in predictions]
Python 中的 LLM 入门

指标输出

real_labels = [0,1,0,1,1]
predicted_labels = [0,0,0,1,1]

print(accuracy.compute(references=real_labels, predictions=predicted_labels))
print(precision.compute(references=real_labels, predictions=predicted_labels))
print(recall.compute(references=real_labels, predictions=predicted_labels))
print(f1.compute(references=real_labels, predictions=predicted_labels))

{'accuracy': 0.8}
{'precision': 1.0}
{'recall': 0.6666666666666666}
{'f1': 0.8}
Python 中的 LLM 入门

评估微调后的模型

# Load saved model and tokenizer with 
# .from_pretrained("my_finetuned_files")


new_data = ["This is movie was disappointing!", 
            "This is the best movie ever!"]

new_input = tokenizer(new_data, 
                      return_tensors="pt", 
                      padding=True,
                      truncation=True, 
                      max_length=64)

with torch.no_grad():
    outputs = model(**new_input)

predicted = torch.argmax(outputs.logits, 
                         dim=1).tolist()

real = [0,1]
print(accuracy.compute(references=real,
                       predictions=predicted))
print(precision.compute(references=real,
                        predictions=predicted))
print(recall.compute(references=real,
                     predictions=predicted))
print(f1.compute(references=real, 
                 predictions=predicted))

{'accuracy': 1.0}
{'precision': 1.0}
{'recall': 1.0}
{'f1': 1.0}
Python 中的 LLM 入门

选择合适的指标

 

  • 请注意： 每个指标都有其洞见与局限

 

  • 要全面： 组合使用多种指标（必要时加入领域 KPIs）

一个带灯泡的大脑插图，表示意识、思考与决策。

Python 中的 LLM 入门

Passons à la pratique !

Python 中的 LLM 入门

Preparing Video For Download...