文件名称：mlsql：根据有关表的纯文本问题推断sql查询
文件大小：248KB
文件格式：ZIP
更新时间：2024-02-20 09:21:37
sql deep-learning natural-language wikisql SQLPython
从纯文本问题和表头推断SQL查询。 要求： 安装docker 安装curl （或者，如果您觉得很勇敢，请安装 ） 确保docker至少为SQLova留出3GB的RAM（请参阅Docker > Preferences > Advanced或等效文件），或为IRNet或ValueNet留出5GB的内存。 我采用与学术论文一起发布的经过预训练的模型，并尽一切努力使它们可以在新数据上进行测试（学术工作通常忽略了这一点，将代码绑定到特定的基准数据集）。 我花了几天时间跟踪和修补晦涩的数据预处理步骤，因此您不必这样做。 到目前为止，我已经打包了三种模型： 。 适用于单个表。 。 可处理多个表，并努力预测参数。 适用于多个表，但不能预测参数。 在每种情况下，我都对原始网络进行了某种程度的调整，因此，如果他们感兴趣，您可以跟进原始资源。 SQLova 总结了已发布SQLova预训练模型（ ）。 获取并启动在端口5050上作为api服务器运行SQLova： docker run --name sqlova -d -p 5050:5050 paulfitz/sqlova 请耐
【文件预览】：
mlsql-master
----cache()
--------README.md(113B)
----players.csv(471B)
----.github()
--------FUNDING.yml(19B)
----irnet()
--------server()
--------Dockerfile(716B)
--------install.sh(686B)
--------serve.sh(119B)
--------requirements.txt(45B)
--------Makefile(252B)
--------.dockerignore(32B)
--------README.md(843B)
--------setup.sh(817B)
----companies.sqlite(16KB)
----test.sh(863B)
----valuenet()
--------server()
--------Dockerfile(794B)
--------install.sh(686B)
--------serve.sh(388B)
--------requirements.txt(154B)
--------Makefile(245B)
--------example_data()
--------setup.sh(978B)
----bridges.csv(285B)
----iris.csv(5KB)
----README.md(8KB)
----sqlova()
--------run_services.sh(903B)
--------Dockerfile(828B)
--------support()
--------fetch_models.sh(696B)
--------Makefile(216B)
--------.dockerignore(12B)
--------README.md(416B)