---
base_model: inecnuc/Llama-3.1-8B-4bit-turkish-chat
language:
- tr
license: apache-2.0
tags:
- text-generation-inference
- transformers
- inetnuc
- llama
- gguf
datasets:
- inetnuc/turkish_combined_dataset
---

# Llama-3.1-8B Türkçe Sohbet Modeli

- **Geliştiren:** inetnuc
- **Lisans:** apache-2.0
- **Temel Model:** unsloth/Llama-3.1-8B-4bit

Bu Llama-3.1-8B modeli, Türkçe dili ile ilgili konular için metin üretim yeteneklerini artırmak amacıyla ince ayar yapılmıştır. Eğitim süreci, [Unsloth](https://github.com/unslothai/unsloth) ve Huggingface'in TRL kütüphanesi kullanılarak hızlandırılmış olup, 2 kat daha hızlı performans elde edilmiştir.

## İnce Ayar Süreci
Model, Unsloth kütüphanesi kullanılarak ince ayar yapılmıştır ve süreç aşağıdaki adımları içermektedir:

1. **Veri Hazırlama:** Türkçe dili ile ilgili veriler yüklendi ve ön işlemden geçirildi.
2. **Model Yükleme:** `unsloth/Llama-3.1-8B-4bit` temel model olarak kullanıldı.
3. **LoRA Uygulaması:** Etkin eğitim için LoRA (Düşük Rütbe Adaptasyonu) uygulandı.
4. **Eğitim:** Optimize edilmiş hiperparametrelerle Hugging Face'in TRL kütüphanesi kullanılarak model ince ayar yapıldı.

## Model Detayları

- **Temel Model:** `unsloth/Llama-3.1-8B-4bit`
- **Dil:** ingilizce ve Türkçe (`tr`)
- **Lisans:** Apache-2.0

## Yazar

**MUSTAFA UMUT ÖZBEK**

**https://www.linkedin.com/in/mustafaumutozbek/**
**https://x.com/m_umut_ozbek**


## Kullanım

### Modeli Yükleme

Modeli ve tokenizer'ı aşağıdaki kod parçası ile yükleyebilirsiniz:

```python
from transformers import AutoModelForCausalLM, AutoTokenizer

# Tokenizer ve modeli yükleme
tokenizer = AutoTokenizer.from_pretrained("inetnuc/Llama-3.1-8B-4bit-turkish-chat")
model = AutoModelForCausalLM.from_pretrained("inetnuc/Llama-3.1-8B-4bit-turkish-chat")

# Metin üretim örneği
inputs = tokenizer("IAEA'nın siber güvenlik yaklaşımı nedir?", return_tensors="pt")
outputs = model.generate(**inputs, max_new_tokens=128)
print(tokenizer.decode(outputs[0], skip_special_tokens=True))