|
--- |
|
tasks: |
|
- text2sql |
|
model-type: |
|
- glm |
|
domain: |
|
- nlp |
|
frameworks: |
|
- pytorch |
|
backbone: |
|
- transformer |
|
containers: |
|
- registry-vpc.cn-shanghai.aliyuncs.com/cloud-dsw/pytorch:1.8-cpu-py36-ubuntu18.04 |
|
- registry-vpc.cn-shanghai.aliyuncs.com/cloud-dsw/tensorflow:1.12-cpu-py36-ubuntu18.04 |
|
customized-quickstart: False |
|
finetune-support: False |
|
license: apache-2.0 |
|
language: |
|
- en |
|
- fr |
|
- cn |
|
tags: |
|
- transformer |
|
pre-train: False |
|
train: |
|
- spider dataset |
|
- bird dataset |
|
--- |
|
# sqlgpt 介绍 |
|
SQLGPT 是一个用于 text2SQL 的模型。 |
|
## 模型底座 |
|
它是基于 deepseek 模型构建的，该模型通过使用qlora进行训练。 |
|
## 训练数据 |
|
训练数据包含了spider 数据集。这个模型的目标是将自然语言查询转换为SQL查询。 |
|
## 功能 |
|
Text to SQL( 以下简称Text2SQL)，是将自然语言文本（Text）转换成结构化查询语言SQL的过程，属于自然语言处理-语义分析（Semantic Parsing）领域中的子任务。 |
|
它的目的可以简单概括为：“打破人与结构化数据之间的壁垒”，即普通用户可以通过自然语言描述完成复杂数据库的查询工作，得到想要的结果。 |
|
它通过学习语法、语义和查询意图来理解用户的问题，并根据对应的数据库结构生成相应的SQL查询语句。SQL-Codellama的训练过程经过了大量的数据预处理、特征提取和模型训练，以提高其准确性和性能。 |
|
它可以应用于各种领域，如数据分析、数据库查询优化等。SQL-Codellama的设计和训练过程是为了使其能够处理复杂的查询，并产生高质量的SQL查询结果。它的目标是为用户提供准确、高效的文本到SQL转换，从而帮助用户更轻松地进行数据库查询和数据分析。 |
|
|
|
```bash |
|
git clone https://www.modelscope.cn/tomatoModelScope/sql_codellama.git |
|
``` |
|
|
