File size: 2,024 Bytes
784e5d4 784adf6 784e5d4 41018e5 784e5d4 6aa723d 784e5d4 |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 |
---
tags:
- gemma2
- causal-lm
- text-generation
- turkish
- fine-tuned
- unsloth
library_name: transformers
model-index:
- name: aydndglr/Eva-9B-Turkish
results: []
language:
- tr
base_model:
- google/gemma-2-9b-it
---
# Eva-9B
Bu model, Türkçe veri seti üzerinde ince ayar (fine-tuning) yapılmış bir Gemma2 modelidir. Model, metin üretimi ve diğer doğal dil işleme görevleri için optimize edilmiştir.
## Model Detayları
* **Model Türü:** Gemma2 Causal Language Model
* **Ağırlıklar:** Gemma 9B temel alınarak ince ayar yapılmıştır.
* **Eğitim Verisi:** Özel bir Türkçe veri seti kullanılmıştır. (Wikipedia , çeşitli akademik araştırmalar ve içerikler)
* **Amaç:** Türkçe metin üretimi, kodlama desteği, siber güvenlik , sohbet botları, içerik oluşturma gibi görevler.
* **Geliştirici:** aydndglr
## Teknik Özellikler
* **Mimari:** Gemma2ForCausalLM
* **Gizli Boyut (hidden_size):** 3584
* **Katman Sayısı (num_hidden_layers):** 42
* **Dikkat Başlığı Sayısı (num_attention_heads):** 16
* **Anahtar-Değer Başlığı Sayısı (num_key_value_heads):** 8
* **Kelime Hazinesi Boyutu (vocab_size):** 256000
* **Maksimum Pozisyon Gömme (max_position_embeddings):** 8192
* **Kayar Pencere (sliding_window_size):** 4096
* **Ağırlık Tipi (torch_dtype):** float16
* **Aktivasyon Fonksiyonu (hidden_act):** gelu\_pytorch\_tanh
* **Dikkat Sapması (attention_bias):** false
* **Dikkat Dropout (attention_dropout):** 0.0
## Kullanım
Modeli `transformers` kütüphanesiyle yüklemek için:
```python
from transformers import AutoModelForCausalLM, AutoTokenizer
model_name = "aydndglr/Eva-9B"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForCausalLM.from_pretrained(model_name, torch_dtype="float16")
input_text = "Merhaba, nasılsın?"
input_ids = tokenizer.encode(input_text, return_tensors="pt")
output = model.generate(input_ids, max_length=100)
output_text = tokenizer.decode(output[0], skip_special_tokens=True)
print(output_text) |