CREATE MODEL

引擎与版本

• CREATE MODEL语法适用于时序引擎和AI引擎。

• 时序引擎3.4.26及以上版本支持CREATE MODEL语法。

• AI引擎无版本限制。

语法

CREATE MODEL model_identifer 
FROM {table_identifer | (select_statement) | model_file_path | huggingface_repo | modelscope_repo}
[ TARGET column_identifer ]
TASK ( TEXT_TO_IMAGE | RETRIEVAL_QA | ... )
ALGORITHM ( CHINESE_STABLE_DIFFUSION | CHATGLM_6B | ... )
[ PREPROCESSORS 'string' ]
SETTINGS (
    doc_id_column 'string',
    ...
)

使用说明

模型名称（model_identifer）

模型名称遵循以下要求：

• 长度为1~255字符。

• 可包含数字、大写英文字符、小写英文字符、中划线（-）和下划线（_）。

源数据表（table_identifer）

仅TASK为检索类任务（SEMANTIC_RETRIEVAL、RETRIEVAL_QA）和时序类任务（TIME_SERIES_FORECAST、TIME_SERIES_ANOMALY_DETECTION）可以指定数据源表。

当任务类型为时序类任务时，源数据表必须至少包含2列，且其中1列为时间列。

查询语句（select_statement）

仅TASK为时序类任务（TIME_SERIES_FORECAST或TIME_SERIES_ANOMALY_DETECTION）时，可以指定查询语句。指定的查询语句的结果必须至少包含2列，且其中1列为时间列。

模型路径（model_file_path | huggingface_repo | modelscope_repo）

• model_file_path：模型上传至LDFS上的地址，格式为ldfs://model_file_path，例如ldfs://x.x.x.x/CLIP-ViT-B-32-IMAGE.zip。

• huggingface_repo：模型平台（HuggingFace）上的模型路径，格式为huggingface://repository_id，例如huggingface://lllyasviel/ControlNet。

• modelscope_repo：模型平台（ModelScope）上的模型路径，格式为modelscope://repository_id，例如modelscope://damo/multi-modal_chinese_stable_diffusion_v1.0。

指定目标列（TARGET column_identifer）

用于指定模型分析和处理的目标列。当TASK指定以下任务类型时，TARGET column_identifer必填 。

• 语义检索（SEMANTIC_RETRIEVAL）

• 检索问答（RETRIEVAL_QA）

• 时序预测（TIME_SERIES_FORECAST）

• 时序异常检测（TIME_SERIES_ANOMALY_DETECTION）

任务类型（TASK）

您可以通过TASK关键字指定任务类型，例如TASK TEXT_TO_IMAGE表示创建文生图模型。

算法（ALGORITHM）

指定模型使用的算法。支持的算法如下表所示：

指定列的预处理操作（PREPROCESSORS 'string'）

PREPROCESSORS为可选关键字，且仅对时序类任务（TIME_SERIES_FORECAST或TIME_SERIES_ANOMALY_DETECTION）生效。

PREPROCESSORS用于指定某些列的预处理操作，通常使用JSON格式的字符串定义。

'string'包括要处理的列集合Columns和需要执行的预处理操作列表Transformers。其中Transformers参数构成一个管道，会按照指定的顺序执行。每一个Transformers都包含预处理操作名称Name和参数Parameters。示例如下：

PREPROCESSORS '[
{
  "Columns":[
    "c1"
  ],
  "Transformers":[
    {
      "Name": "Imputer",
      "Parameters": {"value": 0}
    },
    {
      "Name": "StandardScaler"
    }
  ]
},
{
  "Columns":[
    "c2",
    "c3"
  ],
  "Transformers":[
    {
      "Name": "OrdinalEncoder"
    }
  ]
}
]'

在模型训练时指定的预处理操作会被自动应用到模型推理的过程中。目前Lindorm AI支持的预处理操作如下表所示：

配置任务参数（SETTINGS）

您可以通过SETTINGS关键字配置任务参数，例如是否检索主键列、指定时间列等等。具体如下：

• 语义检索和检索问答任务相关参数

  参数名	参数类型	说明	是否必填
  embedding_model	VARCHAR	此参数可用于两个用途： 语义检索任务指定使用BYOM功能导入的Embedding模型，取值为使用BYOM功能导入的Embedding模型名称。 检索问答任务更换Embedding模型，取值为： 使用BYOM功能导入的Embedding模型名。 特征提取任务支持的所有Embedding模型对应的模型平台路径，如huggingface://BAAI/bge-large-zh-v1.5等。	否
  hybrid_retrieval	VARCHAR	是否打开向量+全文混合检索功能（仅对语义检索任务生效），打开后会使用RRF（Reciprocal rank fusion）算法对双路召回结果进行排序。取值如下： on：默认值，打开。 off：关闭。	否
  text_splitter	VARCHAR	是否打开文档切片功能。取值如下： on：默认值，打开。 off：关闭。	否
  incremental_train	VARCHAR	是否打开增量处理功能。取值如下： on：打开。 off：默认值，关闭。 说明 使用增量处理功能需要满足以下条件： 已开通数据订阅功能。如何开通请参见开通数据订阅。 已开通流引擎。如何开通请参见开通流引擎。	否
  retrievel_algo	VARCHAR	向量检索的索引算法。取值如下： HNSW：默认值。采用HNSW图结构构建整个向量索引，并通过该算法进行查询，适合大规模的数据集。 FLAT：不单独构建索引，采用暴力搜索的方式执行查询，适合1万条以下的小规模数据集。	否
  retrieval_distance_method	VARCHAR	向量检索的距离函数。取值如下： IP：默认值。向量内积。 COSINE：余弦距离。 L2：平方欧式距离。	否
  retrieval_ef_construct	INTEGER	使用HNSW向量检索算法构建索引时，动态列表的长度。默认值为400，取值范围为[1,1000]，该值越大则ANN查询精度越高，同时性能开销越大。	否
  retrieval_maximum_degree	INTEGER	使用HNSW向量检索算法构建索引时，每一层的最大出边数量。默认值为80，取值范围为[1,100]。该值越大则ANN查询精度越高，同时性能开销越大。	否
  retrieval_num_shards	INTEGER	向量索引使用的分片个数，向量数据和结构化数据进行融合检索时，每个索引表分片会先根据向量的相似查询获取topK数据，再基于合并后的topK数据进行结构化数据过滤。默认值为4。	否
  text_analyzer	VARCHAR	此配置项在混合检索功能（hybrid_retrieval）打开时生效，用于指定全文检索使用的分词器。取值如下： ik：默认值。 standard english whitespace comma	否

• 时序预测任务相关参数

  参数名	参数类型	说明	是否必填
  epochs	INTEGER	训练epochs的个数，只适用于时序预测。默认为80。	是
  time_column	VARCHAR	时间列。	是
  group_columns	VARCHAR	分组列。即决定时间线的TAG列。	是
  freq	VARCHAR	时序数据的频率。例如“1D”。	是
  prediction_length	INTEGER	预测步长。	是
  feat_static_columns	VARCHAR	静态特征列（TAG）的集合，以英文逗号（,）分隔。	否

• 时序异常检测相关参数

  时序异常检测支持的参数，请参见时序异常检测中的训练参数。

示例

文生图

CREATE MODEL t2i_model
FROM 'modelscope://damo/multi-modal_chinese_stable_diffusion_v1.0'
TASK TEXT_TO_IMAGE
ALGORITHM CHINESE_STABLE_DIFFUSION;

多模态图片生成

CREATE MODEL mm2i_model
FROM 'huggingface://lllyasviel/ControlNet'
TASK MULTIMODAL_TO_IMAGE
ALGORITHM CONTROL_NET;

语义检索

CREATE MODEL sr_model
FROM doc_table
TARGET doc_field
TASK SEMANTIC_RETRIEVAL
ALGORITHM TEXT2VEC_BASE_CHINESE
SETTINGS (doc_id_column 'id');

基础问答

CREATE MODEL qa_model
FROM 'huggingface://THUDM/chatglm-6b-int4'
TASK QUESTION_ANSWERING
ALGORITHM CHATGLM_6B_INT4;

检索问答

CREATE MODEL rqa_model
FROM doc_table
TARGET doc_field
TASK RETRIEVAL_QA
ALGORITHM CHATGLM_6B_INT4
SETTINGS (doc_id_column 'id');

时序预测

CREATE MODEL tft_model
FROM (SELECT * FROM fresh_sales WHERE `time` > '2021-02-08T00:00:00+08:00')
TARGET sales
TASK time_series_forecast
ALGORITHM tft
SETTINGS
(
  time_column 'time',
  group_columns 'id_code',
  feat_static_columns 'cate1_id,cate2_id,brand_id',
  context_length '28',
  prediction_length '6',
  epochs '5',
  freq '1D'
);