Pip Sql 1.3b

🚀 pipSQL-1.3b

pipSQL-1.3b是一个拥有13亿参数的SQL模型，在流行基准测试中表现优于大多数SQL专家模型和ChatGPT。它基于DeepSeek基础模型构建，为文本到SQL的转换提供了强大支持。

🚀 快速开始

你可以通过以下链接体验本项目：

• PipableAI公司介绍
• Colab Notebook

✨ 主要特性

• 一个拥有13亿参数的SQL模型，在流行基准测试中超越了大多数SQL专家模型和ChatGPT。
• 这是一个基于DeepSeek基础模型构建的蒸馏模型。
• 有关我们的先进模型，请参考PipableAI/pip-library-etl-1.3b。

🔧 技术细节

模型构建方法

我们使用了softmax交叉熵、改进形式的策略梯度以及Q损失，并在EM设置中进行优化。以下是上述设置中的损失行为：

基准测试

为了进行基准测试，我们使用了由耶鲁大学和伯克利大学的研究团队提出的“Semantic Evaluation for Text-to-SQL with Distilled Test Suites”，这是一个被官方认可的用于Spider、SParC和CoSQL的评估框架。该基准包含2200个测试数据点。

Test Suite SQL Eval

我们还在Defog评估上进行了基准测试，该评估包含Defog团队精心挑选的200个测试数据点。

Defog SQL-Eval

团队成员

Avi Kothari、Pratham Gupta、Ritvik Aryan Kalra、Rohan Bhatial、Soham Acharya

📦 安装指南

pip install transformers

💻 使用示例

基础用法

prompt = f"""<schema>{schema}</schema>
<question>{question}</question>
<sql>"""

高级用法 - PyTorch

from transformers import AutoModelForCausalLM, AutoTokenizer
device = "cuda"
model = AutoModelForCausalLM.from_pretrained("PipableAI/pip-sql-1.3b")
tokenizer = AutoTokenizer.from_pretrained("PipableAI/pip-sql-1.3b")

inputs = tokenizer(text, return_tensors="pt")
outputs = model.generate(**inputs, max_new_tokens=200)
print(tokenizer.decode(outputs[0], skip_special_tokens=True).split('<sql>')[1].split('</sql>')[0])

高级用法 - Flax

from transformers import FlaxAutoModelForCausalLM, AutoTokenizer
device = "cuda"
model = FlaxAutoModelForCausalLM.from_pretrained("PipableAI/pip-sql-1.3b",from_pt=True)
tokenizer = AutoTokenizer.from_pretrained("PipableAI/pip-sql-1.3b")

inputs = tokenizer(text, return_tensors="jax")
outputs = model.generate(**inputs, max_new_tokens=200)
print(tokenizer.decode(outputs[0], skip_special_tokens=True).split('<sql>')[1].split('</sql>')[0])

示例数据与查询

数据库表结构

CREATE TABLE Products (
  product_id number,
  parent_product_id number,
  product_name text,
  product_price number,
  product_color text,
  product_size text,
  product_description text);

CREATE TABLE Customers (
  customer_id number,
  gender_code text,
  customer_first_name text,
  customer_middle_initial text,
  customer_last_name text,
  email_address text,
  login_name text,
  login_password text,
  phone_number text,
  address_line_1 text,
  town_city text,
  county text,
  country text);

CREATE TABLE Customer_Payment_Methods (
  customer_id number,
  payment_method_code text);

CREATE TABLE Invoices (
  invoice_number number,
  invoice_status_code text,
  invoice_date time);

CREATE TABLE Orders (
  order_id number,
  customer_id number,
  order_status_code text,
  date_order_placed time);

CREATE TABLE Order_Items (
  order_item_id number,
  product_id number,
  order_id number,
  order_item_status_code text);

CREATE TABLE Shipments (
  shipment_id number,
  order_id number,
  invoice_number number,
  shipment_tracking_number text,
  shipment_date time);

CREATE TABLE Shipment_Items (
  shipment_id number,
  order_item_id number);

查询示例

问题1：最不常见性别客户的电子邮件地址、所在城镇和所在县是什么？

SELECT email_address ,  town_city ,  county FROM customers GROUP BY gender_code ORDER BY count(*) ASC LIMIT 1

问题2：价格高于平均水平的产品的价格和尺寸是多少？

SELECT product_price ,  product_size FROM products WHERE product_price  > (SELECT avg(product_price) FROM products)

问题3：哪些客户没有下过任何订单？列出他们的名字、中间名首字母和姓氏。

SELECT T1.customer_first_name ,  T1.customer_middle_initial ,  T1.customer_last_name FROM Customers AS T1 WHERE T1.customer_id NOT IN (SELECT T2.customer_id FROM Orders AS T2)

📄 许可证

该模型遵循Apache 2.0许可证开源。