---
title: ofa_text2sql_spider_large_en
canonical_url: "https://www.modelscope.cn/models/damo/ofa_text2sql_spider_large_en"
md_url: "https://www.modelscope.cn/models/damo/ofa_text2sql_spider_large_en.md"
repository: damo/ofa_text2sql_spider_large_en
chinese_name: "OFA文生SQL-英文-通用领域-large"
last_updated: 2025-06-12
license: "Apache License 2.0"
model_type:
  - ofa
architectures:
  - OFAModel
library_name:
  - pytorch
frameworks:
  - pytorch
domain:
  - multi-modal
downloads: 475
stars: 12
tags:
  - Alibaba
  - OFA
  - M6
  - ICML2022
  - "arxiv:2202.03052"
---

# ofa_text2sql_spider_large_en

> ofa_text2sql_spider_large_en - damo 在 ModelScope 开源的模型。OFA-文本生成SQL 文本生成SQL是什么？ 根据用户输入的自然语言文本，将之转化为数据库可以接受的SQL语言，从而可以在数据库中检索出想要的答案。

damo/ofa_text2sql_spider_large_en 是 ModelScope 魔搭社区上的机器学习模型，采用 Apache License 2.0 许可。

- **Repository**: damo/ofa_text2sql_spider_large_en
- **License**: Apache License 2.0
- **Tags**: Alibaba, OFA, M6, ICML2022, arxiv:2202.03052
- **Downloads**: 475
- **Stars**: 12
- **Last updated**: 2025-06-12

Source: https://www.modelscope.cn/models/damo/ofa_text2sql_spider_large_en

---

# OFA-文本生成SQL
## 文本生成SQL是什么？
根据用户输入的自然语言文本，将之转化为数据库可以接受的SQL语言，从而可以在数据库中检索出想要的答案。

## 快速玩起来
玩转OFA只需区区以下数行代码，就是如此轻松！如果你觉得还不够方便，请点击右上角`Notebook`按钮，我们为你提供了配备好的环境（可选CPU/GPU），你只需要在notebook里输入提供的代码，就可以把OFA玩起来了！

```python
from modelscope.pipelines import pipeline
from modelscope.utils.constant import Tasks
from modelscope.outputs import OutputKeys
ofa_pipe = pipeline(
    Tasks.text2sql,
    model='damo/ofa_text2sql_spider_large_en'
, model_revision='master')

text = 'Show all book categories and the number of books in each category.'
database = 'culture_company' # optional, default `culture_company`
input = {'text': text, 'database': database}
result = ofa_pipe(input)
print(result[OutputKeys.TEXT]) # select category, count(*) from book_club group by category
```
<br>

## OFA-text2sql 模型效果

<table border="1" width="100%">
    <tr align="center">
        <th>Model</th><th>Params</th><th>Exact Match</th>
    </tr>
    <tr align="center">
        <td>T5<sub>base</sub></td><td>220M</td><td>58.1</td>
    </tr>
    <tr align="center">
        <td>T5<sub>3B</sub>+PICARD</td><td>3B</td><td>75.5</td>
    </tr>
    <tr align="center">
        <td>OFA<sub>Base</sub></td><td>180M</td><td>47.9</td>
    </tr>
    <tr align="center">
        <td>OFA<sub>Large</sub></td><td>470M</td><td>61.8</td>
    </tr>
</table>
<br>

## OFA是什么？
OFA(One-For-All)是通用多模态预训练模型，使用简单的序列到序列的学习框架统一模态（跨模态、视觉、语言等模态）和任务（如图片生成、视觉定位、图片描述、图片分类、文本生成等），详见我们发表于ICML 2022的论文：[OFA: Unifying Architectures, Tasks, and Modalities Through a Simple Sequence-to-Sequence Learning Framework](https://arxiv.org/abs/2202.03052)，以及我们的官方Github仓库[https://github.com/OFA-Sys/OFA](https://github.com/OFA-Sys/OFA )。

<p align="center">
    <br>
    <img src="resources/OFA_logo_tp_path.svg" width="150" />
    <br>
<p>
<br>

<p align="center">
        <a href="https://github.com/OFA-Sys/OFA">Github</a>&nbsp ｜ &nbsp<a href="https://arxiv.org/abs/2202.03052">Paper </a>&nbsp ｜ &nbspBlog
</p>

<p align="center">
    <br>
        <video src="https://xingchen-data.oss-cn-zhangjiakou.aliyuncs.com/maas/resources/modelscope_web/demo.mp4" loop="loop" autoplay="autoplay" muted width="80%"></video>
    <br>
</p>

### OFA模型规模：

<table border="1" width="100%">
    <tr align="center">
        <th>Model</th><th>Params-en</th><th>Params-zh</th><th>Backbone</th><th>Hidden size</th><th>Intermediate size</th><th>Num. of heads</th><th>Enc layers</th><th>Dec layers</th>
    </tr>
    <tr align="center">
        <td>OFA<sub>Tiny</sub></td><td>33M</td><td>-</td><td>ResNet50</td><td>256</td><td>1024</td><td>4</td><td>4</td><td>4</td>
    </tr>
    <tr align="center">
        <td>OFA<sub>Medium</sub></td><td>93M</td><td>-</td><td>ResNet101</td><td>512</td></td><td>2048</td><td>8</td><td>4</td><td>4</td>
    </tr>
    <tr align="center">
        <td>OFA<sub>Base</sub></td><td>180M</td><td>160M</td><td>ResNet101</td><td>768</td></td><td>3072</td><td>12</td><td>6</td><td>6</td>
    </tr>
    <tr align="center">
        <td>OFA<sub>Large</sub></td><td>470M</td><td>440M</td><td>ResNet152</td><td>1024</td></td><td>4096</td><td>16</td><td>12</td><td>12</td>
    </tr>
    <tr align="center">
        <td>OFA<sub>Huge</sub></td><td>930M</td><td>-</td><td>ResNet152</td><td>1280</td></td><td>5120</td><td>16</td><td>24</td><td>12</td>
    </tr>
</table>
<br>

## 模型训练流程

### 训练数据介绍
本模型训练数据集是spider中的Text-to-SQL数据集。

### 训练流程
finetune能力请参考[OFA Tutorial](https://www.modelscope.cn/docs/OFA%20Tutorial ) 1.4节。

## 模型局限性以及可能的偏差
训练数据集自身有局限，有可能产生一些偏差，请用户自行评测后决定如何使用。

## 相关论文以及引用信息
如果你觉得OFA好用，喜欢我们的工作，欢迎引用：

```
@article{wang2022ofa,
  author    = {Peng Wang and
               An Yang and
               Rui Men and
               Junyang Lin and
               Shuai Bai and
               Zhikang Li and
               Jianxin Ma and
               Chang Zhou and
               Jingren Zhou and
               Hongxia Yang},
  title     = {OFA: Unifying Architectures, Tasks, and Modalities Through a Simple Sequence-to-Sequence
               Learning Framework},
  journal   = {CoRR},
  volume    = {abs/2202.03052},
  year      = {2022}
}
```