许可证: mit 流水线标签: 文本到文本生成 推理参数: 最大新标记数: 100 是否采样: false 小部件示例:

• 文本: '将英语翻译为SQL: 显示所有薪资超过50000美元的员工'
• 文本: '将英语翻译为SQL: 有多少模型是以BERT为基础模型进行微调的?'
• 文本: '将英语翻译为SQL: 有多少辆蓝色汽车' 数据集:
• b-mc2/sql-create-context 语言:
• 英语 标签:
• 代码 评估指标:
• BLEU分数 34.962700

T5-SQL翻译器

概述

T5-SQL翻译器是基于谷歌T5-small模型微调的版本，专门用于将英语自然语言查询翻译为SQL SELECT查询语句。该模型经过训练能够理解英语查询并生成对应的数据库SQL SELECT查询，对于自动化实现自然语言到SQL的转换（特别是SELECT操作）具有重要价值。

模型详情

• 模型名称: T5-SQL翻译器
• 模型类型: 文本到文本转换器
• 基础模型: 谷歌T5-small
• 语言: 英语
• 任务: 英语到SQL SELECT翻译
• 训练数据: 来自不同领域的英语自然语言查询与对应SQL SELECT查询配对组合
• 微调: 模型已在英语到SQL SELECT翻译数据集上进行微调，以优化其在该特定任务上的表现

应用示例

• 自动将英语问题转换为SQL SELECT查询以进行数据库查询

使用方法

1. 安装Hugging Face Transformers库:

   pip install transformers
   

推理示例

# 直接加载模型
from transformers import AutoTokenizer, AutoModelForSeq2SeqLM

tokenizer = AutoTokenizer.from_pretrained("suriya7/t5-base-text-to-sql")
model = AutoModelForSeq2SeqLM.from_pretrained("suriya7/t5-base-text-to-sql")

def translate_to_sql_select(english_query):
    input_text = "将英语翻译为SQL: " + english_query
    input_ids = tokenizer.encode(input_text, return_tensors="pt",max_new_tokens=100,do_sample=False)
    outputs = model.generate(input_ids)
    sql_query = tokenizer.decode(outputs[0], skip_special_tokens=True)
    return sql_query

# 使用示例
english_query = "显示所有薪资超过50000美元的员工"
sql_query = translate_to_sql_select(english_query)
print("SQL查询:", sql_query)

性能表现

• 评估指标: BLEU分数 34.962700

致谢

• 原始T5模型由谷歌研究院开发
• 训练数据来源于 https://huggingface.co/datasets/b-mc2/sql-create-context
• 特别感谢Hugging Face提供Transformers库和模型中心，便于模型共享

联系方式

如有关于该模型的任何疑问或问题，请联系:

• thesuriya3@gmail.com