mirror of
https://github.com/mcloh/decision-models-benchmark.git
synced 2026-11-05 22:04:12 +00:00
update config and docs
This commit is contained in:
178
harness/evaluate.py
Normal file
178
harness/evaluate.py
Normal file
@@ -0,0 +1,178 @@
|
||||
"""Executa um candidato sobre uma partição congelada (tarefas 52–57, 59, 63).
|
||||
|
||||
- Confere o SHA-256 da partição contra data/splits/MANIFEST.json.
|
||||
- Amostra determinística (seed) quando --limit é usado; ordem fixa por id.
|
||||
- Mesma política de truncamento para todos (dmb.canonical.fit_state) e contagem de tokens por entrada.
|
||||
- Lote 1, sem paralelismo; os primeiros --warmup exemplos ficam marcados e fora das estatísticas de latência.
|
||||
- Mede tempo de carga, latência por decisão, pico de RAM (VmHWM) e de memória/uso de GPU (nvidia-smi).
|
||||
- A partição de teste só roda com a configuração congelada (config/frozen.json, tarefa 62).
|
||||
|
||||
Uso: python -m harness.evaluate --candidate laya --models-root ... --device cpu --out DIR
|
||||
Parâmetros também por ambiente: DMB_SPLIT (dev), DMB_LIMIT (todos), DMB_SEED, DMB_WARMUP, DMB_STATE_BUDGET.
|
||||
"""
|
||||
import argparse
|
||||
import hashlib
|
||||
import json
|
||||
import os
|
||||
import random
|
||||
import subprocess
|
||||
import sys
|
||||
import threading
|
||||
import time
|
||||
from pathlib import Path
|
||||
|
||||
from dmb.offline import enforce_offline
|
||||
|
||||
ROOT = Path(__file__).resolve().parents[1]
|
||||
SPLITS = ROOT / "data" / "splits"
|
||||
FROZEN = ROOT / "config" / "frozen.json"
|
||||
|
||||
|
||||
class GpuSampler(threading.Thread):
|
||||
"""Amostra memória usada e utilização da GPU a cada 0,5 s (nvidia-smi)."""
|
||||
|
||||
def __init__(self):
|
||||
super().__init__(daemon=True)
|
||||
self.samples, self.stop_flag = [], threading.Event()
|
||||
|
||||
def run(self):
|
||||
while not self.stop_flag.is_set():
|
||||
try:
|
||||
out = subprocess.run(["nvidia-smi", "--query-gpu=memory.used,utilization.gpu",
|
||||
"--format=csv,noheader,nounits"], capture_output=True, text=True,
|
||||
timeout=5).stdout.strip().splitlines()[0]
|
||||
mem, util = (float(x) for x in out.split(","))
|
||||
self.samples.append((mem, util))
|
||||
except Exception:
|
||||
return
|
||||
self.stop_flag.wait(0.5)
|
||||
|
||||
def summary(self) -> dict:
|
||||
if not self.samples:
|
||||
return {}
|
||||
return {"gpu_mem_peak_mib": max(m for m, _ in self.samples),
|
||||
"gpu_util_mean_pct": sum(u for _, u in self.samples) / len(self.samples)}
|
||||
|
||||
|
||||
def rss_peak_mib() -> float | None:
|
||||
try:
|
||||
for line in Path("/proc/self/status").read_text().splitlines():
|
||||
if line.startswith("VmHWM:"):
|
||||
return int(line.split()[1]) / 1024
|
||||
except OSError:
|
||||
return None
|
||||
return None
|
||||
|
||||
|
||||
def load_split(name: str) -> list[dict]:
|
||||
manifest = json.loads((SPLITS / "MANIFEST.json").read_text())
|
||||
info = manifest["splits"][name]
|
||||
path = SPLITS / info["file"]
|
||||
if hashlib.sha256(path.read_bytes()).hexdigest() != info["sha256"]:
|
||||
raise SystemExit(f"partição {name} diverge do MANIFEST (SHA-256)")
|
||||
return [json.loads(l) for l in path.open()]
|
||||
|
||||
|
||||
def model_precision(adapter) -> str | None:
|
||||
for attr in ("model", "agent"):
|
||||
obj = getattr(adapter, attr, None)
|
||||
for cand in (obj, getattr(obj, "model", None)):
|
||||
if cand is not None and hasattr(cand, "parameters"):
|
||||
try:
|
||||
return str(next(cand.parameters()).dtype).replace("torch.", "")
|
||||
except StopIteration:
|
||||
pass
|
||||
return "gguf-q8_0" if adapter.name == "rizzo_flow" else None
|
||||
|
||||
|
||||
def main():
|
||||
ap = argparse.ArgumentParser()
|
||||
ap.add_argument("--candidate", required=True)
|
||||
ap.add_argument("--models-root", default="models")
|
||||
ap.add_argument("--device", default="auto")
|
||||
ap.add_argument("--out", required=True)
|
||||
ap.add_argument("--split", default=os.environ.get("DMB_SPLIT", "dev"))
|
||||
ap.add_argument("--limit", type=int, default=int(os.environ.get("DMB_LIMIT", "0")) or None)
|
||||
ap.add_argument("--seed", type=int, default=int(os.environ.get("DMB_SEED", "20261007")))
|
||||
ap.add_argument("--warmup", type=int, default=int(os.environ.get("DMB_WARMUP", "5")))
|
||||
ap.add_argument("--state-budget", type=int, default=int(os.environ.get("DMB_STATE_BUDGET", "512")))
|
||||
args = ap.parse_args()
|
||||
|
||||
if args.split == "test" and not FROZEN.is_file():
|
||||
raise SystemExit("partição de teste bloqueada: configuração ainda não congelada (tarefa 62)")
|
||||
|
||||
enforce_offline()
|
||||
from dmb.offline import self_test
|
||||
guard = self_test()
|
||||
if not guard["process_guard"].startswith("ok"):
|
||||
raise SystemExit(f"bloqueio de rede inativo: {guard}")
|
||||
|
||||
from analysis.metrics import calibration, classification, latency_summary
|
||||
from dmb.canonical import to_jev_request
|
||||
from dmb.jev import JevError
|
||||
from dmb.server import systemone
|
||||
from harness.candidates import build_adapter
|
||||
|
||||
examples = sorted(load_split(args.split), key=lambda e: e["id"])
|
||||
if args.limit:
|
||||
examples = sorted(random.Random(args.seed).sample(examples, min(args.limit, len(examples))),
|
||||
key=lambda e: e["id"])
|
||||
random.Random(args.seed).shuffle(examples) # ordem fixa, mas sem agrupar por intenção
|
||||
|
||||
gpu = GpuSampler()
|
||||
gpu.start()
|
||||
adapter = build_adapter(args.candidate, args.models_root, args.device)
|
||||
t0 = time.perf_counter()
|
||||
adapter.load()
|
||||
load_s = time.perf_counter() - t0
|
||||
|
||||
out = Path(args.out)
|
||||
out.mkdir(parents=True, exist_ok=True)
|
||||
rows = []
|
||||
with (out / f"predictions-{args.candidate}-{args.device}-{args.split}.jsonl").open("w") as f:
|
||||
for i, ex in enumerate(examples):
|
||||
request, info = to_jev_request(ex, adapter.model_id, n_turns=0, budget=args.state_budget,
|
||||
count_tokens=adapter.count_tokens)
|
||||
row = {"id": ex["id"], "gold": ex["gold_label"], "warmup": i < args.warmup,
|
||||
"state_tokens": info.get("tokens"), "truncated": info.get("truncated", False),
|
||||
"n_options": len(ex["options"]), "meta": ex["metadata"]}
|
||||
started = time.perf_counter()
|
||||
try:
|
||||
resp = systemone(adapter, request)
|
||||
ans = resp["answers"][ex["task"]]
|
||||
row.update(pred=ans["choice"], probabilities=ans["probabilities"],
|
||||
confidence=ans.get("confidence"), input_tokens=resp["usage"]["input_tokens"],
|
||||
latency_ms=resp["metadata"]["latency_ms"])
|
||||
except JevError as error:
|
||||
row.update(pred=None, error=error.error_type, error_message=error.message[:200],
|
||||
latency_ms=(time.perf_counter() - started) * 1000)
|
||||
rows.append(row)
|
||||
f.write(json.dumps(row, ensure_ascii=False) + "\n")
|
||||
if (i + 1) % 50 == 0:
|
||||
print(f"{i + 1}/{len(examples)}", flush=True)
|
||||
gpu.stop_flag.set()
|
||||
|
||||
measured = [r for r in rows if not r["warmup"]]
|
||||
summary = {
|
||||
"candidate": adapter.describe(), "precision": model_precision(adapter), "device": args.device,
|
||||
"split": args.split, "examples": len(rows), "seed": args.seed, "warmup": args.warmup,
|
||||
"batch_size": 1, "state_budget_tokens": args.state_budget, **guard,
|
||||
"load_seconds": round(load_s, 2),
|
||||
"warmup_latency_ms": [round(r["latency_ms"], 1) for r in rows if r["warmup"]],
|
||||
"latency_ms": latency_summary([r["latency_ms"] for r in measured if r.get("pred") is not None]),
|
||||
"errors": {k: sum(r.get("error") == k for r in rows) for k in {r.get("error") for r in rows} if k},
|
||||
"truncated": sum(r["truncated"] for r in rows),
|
||||
"state_tokens_max": max((r["state_tokens"] or 0) for r in rows),
|
||||
"rss_peak_mib": rss_peak_mib(), **gpu.summary(),
|
||||
"quality": {k: v for k, v in classification(rows).items() if k != "per_label"},
|
||||
"calibration_raw": calibration([r for r in rows if r.get("pred")]),
|
||||
}
|
||||
(out / f"summary-{args.candidate}-{args.device}-{args.split}.json").write_text(
|
||||
json.dumps(summary, indent=2, ensure_ascii=False) + "\n")
|
||||
print(json.dumps({k: summary[k] for k in ("examples", "load_seconds", "latency_ms", "errors", "quality")},
|
||||
ensure_ascii=False))
|
||||
sys.exit(0)
|
||||
|
||||
|
||||
if __name__ == "__main__":
|
||||
main()
|
||||
Reference in New Issue
Block a user