使用发布的cross-encoder.p进行验证发现结果对不上？

[wulaoshi]

您好，再次麻烦一下作者： 我使用你发布的Ranker与代码跑了一下推理，发现和你公布的指标不不一致，不清楚哪里有diff: ##################### MRR @10: 0.1631831178768475 QueriesRanked: 24831 recall@1: 0.028713886926983487 recall@1000: 0.15787172501933877 recall@50: 0.04702687249857061 #####################

其中改动的地方只有将多卡推理变成了单卡推理：

  # local_start = time.time()
  # local_rank = torch.distributed.get_rank()
  local_rank = 0
  # world_size = torch.distributed.get_world_size()
  num = 0
  with torch.no_grad():
      model.eval()
      scores_lst = []
      qids_lst = []
      pids_lst = []
      for record1, record2 in tqdm(dev_loader):
          with autocast():
              scores = model(_prepare_inputs(record1))
          qids = record2['qids']
          pids = record2['pids']
          scores_lst.append(scores.detach().cpu().numpy().copy())
          qids_lst.append(qids.copy())
          pids_lst.append(pids.copy())
          num += 1
          if num > 10 and args.debug:
              break
      qids_lst = np.concatenate(qids_lst).reshape(-1)
      pids_lst = np.concatenate(pids_lst).reshape(-1)
      scores_lst = np.concatenate(scores_lst).reshape(-1)
      file_name = args.warm_start_from.split('/')[-1]
      file_name = f"output/res_{file_name}"
      with open(file_name, 'w') as f:
          for qid,pid,score in zip(qids_lst, pids_lst, scores_lst):
              f.write(str(qid)+'\t'+str(pid)+'\t'+str(score)+'\n')
      # torch.distributed.barrier()
      if local_rank==0:
          # merge(epoch)
          calc_mrr(args.dev_qrels, file_name)

推理的时候一共跑了2000W的数据？不知道这正不正常。 期待你的回复，谢谢

[wulaoshi]

重新用8卡GPU跑了一下代码，指标： dev_qrels=data/dev.dpr.tsv： ##################### MRR @10: 1.0 QueriesRanked: 24831 recall@1: 0.001 recall@1000: 1.0 recall@50: 0.05 #####################

这会正在跑dev_qrels=qrels.retrieval.dev.tsv与dev_qrels=dev.bm25.tsv。等跑完发布结果。

[Deriq-Qian-Dong]

dev_qrels=data/qrels.retrieval.dev.tsv dev_top1000=data/dev.dpr.tsv warm_start_from=data/cross-encoder.p 您好，我这边使用上述设置的结果是正常的，单卡的我没有试过，如果您那边改好了方便的话可以提个pull request，十分感谢~

[Deriq-Qian-Dong]

多卡的话使用本仓库的代码是完全可以复现的。建议更新代码后在尝试一下

[wulaoshi]

多卡的话使用本仓库的代码是完全可以复现的。建议更新代码后在尝试一下

指标是用下述指令跑出来的吗？ python src/convert2trec.py output/res.step-20 && python src/msmarco_eval.py data/qrels.retrieval.dev.tsv output/res.step-20.trec && path_to/trec_eval -m ndcg_cut.5 data/qrels.dev.tsv res.step-20.trec

那我这个流程正确吗：我先用 warm_start_from=cross-encoder.p (你们发布已经训练好的) 跑了 一遍validate_multi_gpu，存储数据为 --> res.step-0；然后用 res.step-0 来计算指标。

[Deriq-Qian-Dong]

MRR可以通过下面的指令得到： sh script/train_cross_encoder.sh NDCG@k可以通过： python src/convert2trec.py output/res.step-20 && python src/msmarco_eval.py data/qrels.retrieval.dev.tsv output/res.step-20.trec && path_to/trec_eval -m ndcg_cut.5 data/qrels.dev.tsv res.step-20.trec

[wulaoshi]

MRR可以通过下面的指令得到： sh script/train_cross_encoder.sh NDCG@k可以通过： python src/convert2trec.py output/res.step-20 && python src/msmarco_eval.py data/qrels.retrieval.dev.tsv output/res.step-20.trec && path_to/trec_eval -m ndcg_cut.5 data/qrels.dev.tsv res.step-20.trec

OK，谢谢。等我把 dev_qrels=data/qrels.retrieval.dev.tsv 的结果跑完，结果对齐了，再改一个单卡的单独测评脚本出来 pull request