SQLCoder的简介
SQLCoder 是一个 15B 参数模型，在 sql-eval 框架上，它的性能优于自然语言到 SQL 生成任务，并且明显优于所有流行的开源模型。在给定架构上进行微调时，它的性能也优于gpt-3.5-turbogpt-4。SQLCoder 在基本的 StarCoder 模型上进行了微调。
1、结果
model perc_correct gpt-4 74.3 defog-sqlcoder 64.6 gpt-3.5-turbo 60.6 defog-easysql 57.1 text-davinci-003 54.3 wizardcoder 52.0 starcoder 45.1
2、按问题类别的结果
我们将每个生成的问题分类为5个类别之一。该表显示了每个模型按类别细分的正确回答问题的百分比。
query_category gpt-4 defog-sqlcoder gpt-3.5-turbo defog-easy text-davinci-003 wizard-coder star-coder group_by 82.9 77.1 71.4 62.9 62.9 68.6 54.3 order_by 71.4 65.7 60.0 68.6 60.0 54.3 57.1 ratio 62.9 57.1 48.6 40.0 37.1 22.9 17.1 table_join 74.3 57.1 60.0 54.3 51.4 54.3 51.4 where 80.0 65.7 62.9 60.0 60.0 60.0 45.7
SQLCoder的安装
1、硬件要求
SQLCoder已在A100 40GB GPU上进行了测试，使用bfloat16权重。您还可以在具有20GB或更多内存的消费者GPU上加载8位和4位量化版本的模型。例如RTX 4090、RTX 3090以及具有20GB或更多内存的Apple M2 Pro、M2 Max或M2 Ultra芯片。(本地不支持的话，可以联系博主在autodl上有部署好的镜像)。
2、下载模型权重
地址：defog/sqlcoder · Hugging Face，搜索sqlcoder2。
3、使用SQLCoder
3.1、特性介绍：
性能对比：在 SQL 生成任务的评估框架上，SQLCoder（64.6%）的性能略微超过了 gpt-3.5-turbo（60.6%）。训练数据：Defog 在两个周期内对10,537个人工策划的问题进行了训练，这些问题基于10种不同的模式。使用方法：用户可以通过 transformers 库使用 SQLCoder，只需从 HuggingFace 仓库下载模型权重即可。此外，还提供了在线演示和 Colab 中的使用方法。硬件要求：SQLCoder 已在 A100 40GB GPU 上进行了测试，并支持 bfloat16 权重。用户还可以在拥有20GB或更多内存的消费级 GPU 上加载模型的8位量化版本，例如 RTX 4090、RTX 3090 和 Apple M2 系列芯片。
3.2、使用
您可以通过transformers库使用SQLCoder，方法是从Hugging Face存储库中下载我们的模型权重。我们已添加了有关在示例数据库架构上进行推断的示例代码。
python inference.py -q "Question about the sample database goes here"
示例问题：我们与纽约的客户相比，从旧金山的客户那里获得更多收入吗？为我提供每个城市的总收入以及两者之间的差异。您还可以在我们的网站上使用演示，或在Colab中运行SQLCoder。
4、AUTODL中运行SQLCoder
第一步，配置环境
基础环境使用PyTorch 2.0.0 Python 3.8(ubuntu20.04) Cuda 11.8
!pip install torch transformers bitsandbytes accelerate
第二步，测试
import torch
from transformers import AutoTokenizer, AutoModelForCausalLM, pipelinetorch.cuda.is_available()
第三步，下载模型
使用Colab Pro上的A100（或具有> 30GB VRAM的任何系统）在bf16中加载它。如果不可用，请使用至少具有20GB VRAM的GPU在8位中加载它，或者至少具有12GB VRAM在4位中加载它。在Colab上，它适用于V100，但在T4上崩溃。
首次下载模型然后将其加载到内存中的步骤大约需要10分钟。所以请耐心等待 :)
model_name = "defog/sqlcoder"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForCausalLM.from_pretrained(model_name,trust_remote_code=True,# torch_dtype=torch.bfloat16,# load_in_8bit=True,load_in_4bit=True,device_map="auto",use_cache=True,
)
第四步，设置问题和提示并进行标记化
随意更改以下问题。如果您想要尝试自己的数据库架构，请在提示中编辑模式。
question = "What product has the biggest fall in sales in 2022 compared to 2021? Give me the product name, the sales amount in both years, and the difference."prompt = """### Instructions:
Your task is to convert a question into a SQL query, given a Postgres database schema.
Adhere to these rules:
- **Deliberately go through the question and database schema word by word** to appropriately answer the question
- **Use Table Aliases** to prevent ambiguity. For example, `SELECT table1.col1, table2.col1 FROM table1 JOIN table2 ON table1.id = table2.id`.
- When creating a ratio, always cast the numerator as float### Input:
Generate a SQL query that answers the question `{question}`.
This query will run on a database whose schema is represented in this string:
CREATE TABLE products (product_id INTEGER PRIMARY KEY, -- Unique ID for each productname VARCHAR(50), -- Name of the productprice DECIMAL(10,2), -- Price of each unit of the productquantity INTEGER -- Current quantity in stock
);CREATE TABLE customers (customer_id INTEGER PRIMARY KEY, -- Unique ID for each customername VARCHAR(50), -- Name of the customeraddress VARCHAR(100) -- Mailing address of the customer
);CREATE TABLE salespeople (salesperson_id INTEGER PRIMARY KEY, -- Unique ID for each salespersonname VARCHAR(50), -- Name of the salespersonregion VARCHAR(50) -- Geographic sales region
);CREATE TABLE sales (sale_id INTEGER PRIMARY KEY, -- Unique ID for each saleproduct_id INTEGER, -- ID of product soldcustomer_id INTEGER, -- ID of customer who made purchasesalesperson_id INTEGER, -- ID of salesperson who made the salesale_date DATE, -- Date the sale occurredquantity INTEGER -- Quantity of product sold
);CREATE TABLE product_suppliers (supplier_id INTEGER PRIMARY KEY, -- Unique ID for each supplierproduct_id INTEGER, -- Product ID suppliedsupply_price DECIMAL(10,2) -- Unit price charged by supplier
);-- sales.product_id can be joined with products.product_id
-- sales.customer_id can be joined with customers.customer_id
-- sales.salesperson_id can be joined with salespeople.salesperson_id
-- product_suppliers.product_id can be joined with products.product_id### Response:
Based on your instructions, here is the SQL query I have generated to answer the question `{question}`:
```sql
""".format(question=question)
eos_token_id = tokenizer.convert_tokens_to_ids(["```"])[0]
第五步，生成SQL
在具有4位量化的V100上可能非常缓慢。每个查询可能需要大约1-2分钟。在单个A100 40GB上，需要大约10-20秒。
inputs = tokenizer(prompt, return_tensors="pt").to("cuda")
generated_ids = model.generate(**inputs,num_return_sequences=1,eos_token_id=eos_token_id,pad_token_id=eos_token_id,max_new_tokens=400,do_sample=False,num_beams=5
)
outputs = tokenizer.batch_decode(generated_ids, skip_special_tokens=True)
torch.cuda.empty_cache()
torch.cuda.synchronize()
# 清空缓存，以便在内存崩溃时可以生成更多结果
# 在Colab上特别重要 - 内存管理要简单得多
# 在运行推断服务时
# 嗯！生成的SQL在这里：
print(outputs[0].split("```sql")[-1].split("```")[0].split(";")[0].strip() + ";")
SQLCoder的快捷使用方法
私信我，给你镜像，一步到位（模型得自己下昂）。
相关阅读
您阅读本篇文章共花了：
发表评论