Code Trans T5 Large Source Code Summarization Sql Transfer Learning Finetune

🚀 用於SQL源代碼摘要的CodeTrans模型

本模型基於t5-large架構，在SQL編程語言上進行預訓練，可用於生成SQL函數的描述。它最初發佈於 此倉庫，在標記化的SQL代碼函數上進行訓練，因此處理標記化的SQL函數時效果最佳。

🚀 快速開始

本模型可用於生成SQL函數的描述，也可在其他SQL代碼任務上進行微調。它可以處理未解析和未標記化的SQL代碼，但如果SQL代碼已經過標記化，性能會更好。

✨ 主要特性

• 基於t5-large模型架構，擁有自己的SentencePiece詞彙模型。
• 在軟件開發領域的7個無監督數據集上進行遷移學習預訓練。
• 在SQL代碼片段的源代碼摘要任務上進行微調。

📦 安裝指南

暫未提及安裝步驟，若有相關需求，請參考原倉庫說明。

💻 使用示例

基礎用法

以下是如何使用Transformers的SummarizationPipeline來生成SQL函數文檔的示例：

from transformers import AutoTokenizer, AutoModelWithLMHead, SummarizationPipeline

pipeline = SummarizationPipeline(
    model=AutoModelWithLMHead.from_pretrained("SEBIS/code_trans_t5_large_source_code_summarization_sql_transfer_learning_finetune"),
    tokenizer=AutoTokenizer.from_pretrained("SEBIS/code_trans_t5_large_source_code_summarization_sql_transfer_learning_finetune", skip_special_tokens=True),
    device=0
)

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

你可以在 Colab筆記本 中運行此示例。

📚 詳細文檔

模型描述

此CodeTrans模型基於t5-large模型，擁有自己的SentencePiece詞彙模型。它在軟件開發領域的7個無監督數據集上進行遷移學習預訓練，然後在SQL代碼片段的源代碼摘要任務上進行微調。

預期用途和限制

該模型可用於生成SQL函數的描述，或在其他SQL代碼任務上進行微調。它可以處理未解析和未標記化的SQL代碼，但如果SQL代碼已經過標記化，性能會更好。

訓練數據

有監督訓練任務的數據集可以從 此處 下載。

訓練過程

遷移學習預訓練

模型在單個TPU Pod V3 - 8上總共訓練了240,000步，使用序列長度為512（批量大小為4096）。它總共有約2.2億個參數，採用編碼器 - 解碼器架構進行訓練。預訓練使用的優化器是AdaFactor，學習率採用平方根倒數調度。

微調

該模型隨後在單個TPU Pod V2 - 8上總共微調了200步，使用序列長度為512（批量大小為256），僅使用包含SQL代碼的數據集。

評估結果

對於源代碼摘要任務，不同模型在不同編程語言上取得了以下結果（以BLEU分數衡量）：

由 Ahmed Elnaggar | 領英 和 丁偉 | 領英 創建。