Qwen 2.5 3b Text To SQL

🚀 用於文本轉SQL轉換的微調大語言模型

本模型是 Qwen/Qwen2.5 - 3B - Instruct 的微調版本，旨在將自然語言查詢轉換為SQL語句。它在 gretelai/synthetic_text_to_sql 數據集上進行訓練，必要時可以同時提供SQL查詢和表結構上下文。

🚀 快速開始

直接使用

要使用該模型進行文本轉SQL轉換，你可以使用 transformers 庫加載它，如下所示：

from transformers import AutoTokenizer, AutoModelForCausalLM

tokenizer = AutoTokenizer.from_pretrained("Ellbendls/Qwen-2.5-3b-Text_to_SQL")
model = AutoModelForCausalLM.from_pretrained("Ellbendls/Qwen-2.5-3b-Text_to_SQL")

# 輸入提示
query = "What is the total number of hospital beds in each state?"

# 對輸入進行分詞並生成輸出
inputs = tokenizer(query, return_tensors="pt")
outputs = model.generate(**inputs, max_length=512)

# 解碼並打印
print(tokenizer.decode(outputs[0], skip_special_tokens=True))

示例輸出

輸入： What is the total number of hospital beds in each state?

輸出：

Context:
CREATE TABLE Beds (State VARCHAR(50), Beds INT);
INSERT INTO Beds (State, Beds) VALUES ('California', 100000), ('Texas', 85000), ('New York', 70000);

SQL Query:
SELECT State, SUM(Beds) FROM Beds GROUP BY State;

✨ 主要特性

1. 文本轉SQL轉換：將自然語言查詢轉換為準確的SQL語句。
2. 結構生成：在未提供表結構上下文時生成相應內容。
3. 針對分析和報告進行優化：處理包含聚合、分組和過濾的SQL查詢。

📚 詳細文檔

模型詳情

模型描述

該模型經過微調，可幫助用戶根據自然語言提示生成SQL查詢。在缺少表結構上下文的場景中，模型經過訓練能夠在生成SQL查詢的同時生成結構定義，是解決各種文本轉SQL任務的可靠方案。

訓練詳情

數據集

該模型在 gretelai/synthetic_text_to_sql 數據集上進行微調，該數據集包含映射到SQL查詢的各種自然語言查詢，以及可選的結構上下文。

侷限性

1. 複雜查詢：處理高度嵌套或高級的SQL任務時可能會遇到困難。
2. 非英語提示：僅針對英語進行了優化。
3. 上下文依賴：在沒有明確指令的情況下可能會生成錯誤的結構。

📄 許可證

本項目採用MIT許可證。