Question Answering
Transformers
Safetensors
English
Turkish
llama
text-generation
text-generation-inference
unsloth
trl
sft
Instructions to use umarigan/llama-3.1-openhermes-tr with libraries, inference providers, notebooks, and local apps. Follow these links to get started.
- Libraries
- Transformers
How to use umarigan/llama-3.1-openhermes-tr with Transformers:
# Use a pipeline as a high-level helper from transformers import pipeline pipe = pipeline("question-answering", model="umarigan/llama-3.1-openhermes-tr")# Load model directly from transformers import AutoTokenizer, AutoModelForCausalLM tokenizer = AutoTokenizer.from_pretrained("umarigan/llama-3.1-openhermes-tr") model = AutoModelForCausalLM.from_pretrained("umarigan/llama-3.1-openhermes-tr") - Notebooks
- Google Colab
- Kaggle
- Local Apps Settings
- Unsloth Studio
How to use umarigan/llama-3.1-openhermes-tr with Unsloth Studio:
Install Unsloth Studio (macOS, Linux, WSL)
curl -fsSL https://unsloth.ai/install.sh | sh # Run unsloth studio unsloth studio -H 0.0.0.0 -p 8888 # Then open http://localhost:8888 in your browser # Search for umarigan/llama-3.1-openhermes-tr to start chatting
Install Unsloth Studio (Windows)
irm https://unsloth.ai/install.ps1 | iex # Run unsloth studio unsloth studio -H 0.0.0.0 -p 8888 # Then open http://localhost:8888 in your browser # Search for umarigan/llama-3.1-openhermes-tr to start chatting
Using HuggingFace Spaces for Unsloth
# No setup required # Open https://huggingface.co/spaces/unsloth/studio in your browser # Search for umarigan/llama-3.1-openhermes-tr to start chatting
Load model with FastModel
pip install unsloth from unsloth import FastModel model, tokenizer = FastModel.from_pretrained( model_name="umarigan/llama-3.1-openhermes-tr", max_seq_length=2048, )
Uploaded model
- Developed by: umarigan
- License: apache-2.0
- Finetuned from model : unsloth/llama-3-8b-bnb-4bit
This llama model was trained 2x faster with Unsloth and Huggingface's TRL library.
Usage Examples
# Load model directly
from transformers import AutoTokenizer, AutoModelForCausalLM
tokenizer = AutoTokenizer.from_pretrained("umarigan/llama-3-openhermes-tr")
model = AutoModelForCausalLM.from_pretrained("umarigan/llama-3-openhermes-tr")
alpaca_prompt = """
Görev:
{}
Girdi:
{}
Cevap:
{}"""
inputs = tokenizer(
[
alpaca_prompt.format(
"bir haftada 3 kilo verebileceğim 5 öneri sunabilir misin?", # Görev
"", # Girdi
"", # Cevap - boş bırakın!
)
], return_tensors = "pt")
outputs = model.generate(**inputs, max_new_tokens = 64, use_cache = True)
tokenizer.batch_decode(outputs)
Output:
'<|begin_of_text|>
Görev: bir haftada 3 kilo verebileceğim 5 öneri sunabilir misin?
Girdi:
Cevap:
1. Yeterli miktarda su içmek: Su, vücuttaki toksinlerin atılmasını ve sindirim sisteminin çalışmasını destekler. Su içmek, vücuttaki su dengesini korumaya yardımcı olur ve kilo kaybına yardımcı olabilir. Günlük su tüketiminizi 2-3 litre arasında tutun.
2. Düzenli egzersiz yapın: Egzersiz, metabolizmayı hızlandırmaya yardımcı olur ve vücuttaki yağ yakımını teşvik eder. Haftada 3-5 gün egzersiz yapın ve her gün 30-60 dakika egzersiz yapın. Egzersizler, aerobik egzersizler (yürüyüş, yüzme, bisiklet sürmek) ve ana kas egzersizleri (kollar, bacaklar, kalça) gibi çeşitli egzersiz türlerini içerebilir.
3. Azalmış kalori alımına odaklanın: Kilo verme hedefinize ulaşmak için kalori alımınızı azaltın. Bu, beslenme planınızda azalmış kalori içeren yiyecekleri seçerek ve aşırı kalori alımını önlemek için yemeklerinizi ölçerek veya ağırlaştırmaya çalışarak yapılabilir.
4. Yeterli uyku al: Uyku, metabolizmayı düzenleyen ve kilo kaybına yardımcı olan hormonların salınmasını etkileyen bir faktördür. Günlük 7-9 saat uyku almayı hedefleyin.
5. Stres yönetimi: Stres, hormonların salınmasını etkileyerek kilo alımına katkıda bulunabilir. Stresi yönetmek için egzersiz, meditasyon veya derin nefes egzersizleri gibi çeşitli yöntemleri kullanın. Bu, stresi azaltmaya ve metabolizmayı düzenleme yeteneğini geliştirmeye yardımcı olabilir.
<|end_of_text|>'
- Downloads last month
- 16
