fix examples(nmt/pfp) evaluation_store typo

star-whale · Mar 24, 2023 · 694fb18 · 694fb18
1 parent 35bd7cc
commit 694fb18
Show file tree

Hide file tree

Showing 4 changed files with 6 additions and 6 deletions.
diff --git a/docs/i18n/zh/docusaurus-plugin-content-docs/current/examples/nmt.md b/docs/i18n/zh/docusaurus-plugin-content-docs/current/examples/nmt.md
@@ -91,7 +91,7 @@ swcli model info ${version}
 
 上面的`build`命令在`starwhale/example/nmt`中执行，也可以在其他目录中执行，但要合理设置 `swcli model eval`命令的`WORKDIR`参数。如果不想每次执行`eval`命令都指定`--runtime`参数，则可以先执行`swcli runtime activate --uri pytorch/version/latest`命令激活当前shell环境，或在一个已经激活Pytorch Runtime环境shell中执行评测。
 
-nmt例子并不是多分类问题，无法使用 `starwhale.multi_classification` 修饰器，Starwhale SDK中也没有提供合适的修饰器自动处理cmp结果。本例中，我们使用 `self.evaluation.log_metrics` 函数，将report的结果存储到Starwhale Datastore中，这样在Standalone Instance 和 Cloud Instance中都能看到相关结果。用户可以使用 `evaluation` SDK上报各种评测结果数据。
+nmt例子并不是多分类问题，无法使用 `starwhale.multi_classification` 修饰器，Starwhale SDK中也没有提供合适的修饰器自动处理cmp结果。本例中，我们使用 `self.evaluation_store.log_metrics` 函数，将report的结果存储到Starwhale Datastore中，这样在Standalone Instance 和 Cloud Instance中都能看到相关结果。用户可以使用 `evaluation` SDK上报各种评测结果数据。
 
 cmp中核心代码：
 
@@ -105,7 +105,7 @@ def cmp(self, _data_loader):
     bleu = calculate_bleu(result, [label])
     print(f"bleu: {bleu}")
     report = {"bleu_score": bleu}
-    self.evaluation.log_metrics(report)
+    self.evaluation_store.log_metrics(report)
 ```
 
 在Standalone Instance中呈现评测结果：

diff --git a/docs/i18n/zh/docusaurus-plugin-content-docs/current/examples/pfp.md b/docs/i18n/zh/docusaurus-plugin-content-docs/current/examples/pfp.md
@@ -171,7 +171,7 @@ swcli model info ${version}
 
 上面的`build`命令在`starwhale/example/PennFudanPed`中执行，也可以在其他目录中执行，但要合理设置 `swcli model eval`命令的`WORKDIR`参数。
 
-PennFudanPed例子是多目标检测问题，无法使用 `starwhale.multi_classification` 修饰器，Starwhale SDK中也没有提供合适的修饰器自动处理cmp结果。本例中，我们使用 `self.evaluation.log_metrics` 函数，将report的结果存储到Starwhale Datastore中，这样在Standalone Instance 和 Cloud Instance中都能看到相关结果。用户可以使用 `evaluation` SDK上报各种评测结果数据。
+PennFudanPed例子是多目标检测问题，无法使用 `starwhale.multi_classification` 修饰器，Starwhale SDK中也没有提供合适的修饰器自动处理cmp结果。本例中，我们使用 `self.evaluation_store.log_metrics` 函数，将report的结果存储到Starwhale Datastore中，这样在Standalone Instance 和 Cloud Instance中都能看到相关结果。用户可以使用 `evaluation` SDK上报各种评测结果数据。
 
 cmp中核心代码：
 
@@ -214,7 +214,7 @@ def cmp(self, ppl_result):
         for _idx, _label in enumerate(detector_metrics_map):
             report[_iou][_label] = _stats[_idx]
 
-    self.evaluation.log_metrics(report)
+    self.evaluation_store.log_metrics(report)
 ```
 
 在Standalone Instance中呈现评测结果：

diff --git a/example/PennFudanPed/pfp/evaluator.py b/example/PennFudanPed/pfp/evaluator.py
@@ -109,7 +109,7 @@ def cmp(self, ppl_result):
             for _idx, _label in enumerate(detector_metrics_map):
                 report[_iou][_label] = _stats[_idx]
 
-        self.evaluation.log_metrics(report)
+        self.evaluation_store.log_metrics(report)
 
     def _load_model(self, device):
         net = pretrained_model(

diff --git a/example/nmt/nmt/evaluator.py b/example/nmt/nmt/evaluator.py
@@ -68,7 +68,7 @@ def cmp(self, _data_loader):
         bleu = calculate_bleu(result, [label])
         print(f"bleu: {bleu}")
         report = {"bleu_score": bleu}
-        self.evaluation.log_metrics(report)
+        self.evaluation_store.log_metrics(report)
 
     def _load_vocab(self):
         # hack for torch load