Code Trans T5 Base Source Code Summarization Sql Transfer Learning Finetune

🚀 SQLソースコード要約用CodeTransモデル

このモデルは、t5 baseモデルアーキテクチャを使用して、プログラミング言語SQLで事前学習されたものです。初めて公開されたのは、このリポジトリです。このモデルは、トークン化されたSQLコード関数で学習されており、トークン化されたSQL関数で最も良い性能を発揮します。

🚀 クイックスタート

このモデルは、SQL関数の説明を生成するために使用できるか、他のSQLコードタスクでファインチューニングすることができます。解析されていない、トークン化されていないSQLコードにも使用できます。ただし、SQLコードがトークン化されている場合、性能は向上するはずです。

✨ 主な機能

• このCodeTransモデルは、t5-baseモデルに基づいています。独自のSentencePiece語彙モデルを持っています。
• ソフトウェア開発ドメインの7つの教師なしデータセットで転移学習の事前学習を行いました。
• その後、SQLコードスニペットのソースコード要約タスクでファインチューニングされました。

📦 インストール

このモデルを使用するには、transformersライブラリが必要です。以下のコマンドでインストールできます。

pip install transformers

💻 使用例

基本的な使用法

これは、Transformers SummarizationPipelineを使用してこのモデルを使ってSQL関数のドキュメントを生成する方法です。

from transformers import AutoTokenizer, AutoModelWithLMHead, SummarizationPipeline

pipeline = SummarizationPipeline(
    model=AutoModelWithLMHead.from_pretrained("SEBIS/code_trans_t5_base_source_code_summarization_sql_transfer_learning_finetune"),
    tokenizer=AutoTokenizer.from_pretrained("SEBIS/code_trans_t5_base_source_code_summarization_sql_transfer_learning_finetune", skip_special_tokens=True),
    device=0
)

tokenized_code =  "select time ( col0 ) from tab0"
pipeline([tokenized_code])

この例をcolabノートブックで実行してください。

📚 ドキュメント

学習データ

教師あり学習タスクのデータセットは、このリンクからダウンロードできます。

学習手順

転移学習の事前学習

このモデルは、シーケンス長512（バッチサイズ4096）で、単一のTPU Pod V3 - 8上で合計500,000ステップ学習されました。 総計約220Mのパラメータを持ち、エンコーダ - デコーダアーキテクチャを使用して学習されました。 事前学習には、逆平方根学習率スケジュールを持つAdaFactorオプティマイザが使用されました。

ファインチューニング

このモデルは、その後、シーケンス長512（バッチサイズ256）で、単一のTPU Pod V2 - 8上で合計500ステップ、SQLコードのみを含むデータセットを使用してファインチューニングされました。

評価結果

ソースコード要約タスクにおいて、異なるモデルが異なるプログラミング言語で次の結果（BLEUスコア）を達成しました。

テスト結果:

Created by Ahmed Elnaggar | LinkedIn and Wei Ding | LinkedIn