Downloads · 30 days
2
3% of all-time downloads
Uunan/qwen3.5-2b-turkish-cuisine-lora
qwen3.5-2b-turkish-cuisine-lora is a text generation model from Uunan. Use it when you need the model to write or continue text. It is set up for peft. The card lists the license as apache-2.0.
Bu depo, unsloth/Qwen3.5-2B modelinin Uunan/turkish-cuisine-qa veri seti üzerinde LoRA ile fine-tune edilmiş adaptör ağırlıklarını içerir. Model, Türk mutfağına dair sorulara (yemek kategorisi, tarif, köken/il bilgisi…
Downloads · 30 days
2
3% of all-time downloads
All-time downloads
68
Public
Repo size
87.3 MB
Likes
0
Public
Click a slice to open those files.
.safetensors67.3 MB · 77%
From the Hugging Face model README
Bu depo, unsloth/Qwen3.5-2B modelinin
Uunan/turkish-cuisine-qa
veri seti üzerinde LoRA ile fine-tune edilmiş adaptör ağırlıklarını içerir. Model,
Türk mutfağına dair sorulara (yemek kategorisi, tarif, köken/il bilgisi vb.) Türkçe
olarak, isteğe bağlı <think>...</think> akıl yürütme bloğuyla birlikte cevap verir.
r=16, lora_alpha=16, lora_dropout=0, sadece dil katmanları
(finetune_vision_layers=False, finetune_language_layers=True)SFTTrainerBu model, Türk mutfağı hakkında soru-cevap (kategori sınıflandırma, tarif, köken bilgisi vb.) senaryoları için hazırlanmıştır. Genel amaçlı bir asistan değildir; domain dışı sorularda base modelin genel yeteneklerine geri döner ancak fine-tuning etkisi görülmeyebilir.
from unsloth import FastVisionModel
from transformers import TextStreamer
model, tokenizer = FastVisionModel.from_pretrained(
model_name="Uunan/qwen3.5-2b-turkish-cuisine-lora",
load_in_4bit=False,
)
FastVisionModel.for_inference(model)
messages = [{"role": "user", "content": [{"type": "text", "text": "Mantı nasıl yapılır?"}]}]
# enable_thinking=True -> modelin <think>...</think> akıl yürütmesini görmek için.
# Qwen3.5 Small (0.8B/2B/4B/9B) serisinde thinking varsayılan olarak KAPALIDIR.
input_text = tokenizer.apply_chat_template(
messages, add_generation_prompt=True, enable_thinking=True
)
inputs = tokenizer(None, input_text, add_special_tokens=False, return_tensors="pt").to(model.device)
streamer = TextStreamer(tokenizer, skip_prompt=True)
model.generate(**inputs, streamer=streamer, max_new_tokens=512, temperature=0.7, min_p=0.1)
from transformers import AutoModelForCausalLM, AutoTokenizer
from peft import PeftModel
import torch
base_model_id = "unsloth/Qwen3.5-2B"
adapter_id = "Uunan/qwen3.5-2b-turkish-cuisine-lora"
tokenizer = AutoTokenizer.from_pretrained(adapter_id)
base_model = AutoModelForCausalLM.from_pretrained(
base_model_id, torch_dtype=torch.bfloat16, device_map="auto"
)
model = PeftModel.from_pretrained(base_model, adapter_id)
messages = [{"role": "user", "content": "Kars Sulu Köfte hangi kategoride yer alır?"}]
input_text = tokenizer.apply_chat_template(
messages, add_generation_prompt=True, enable_thinking=True, tokenize=False
)
inputs = tokenizer(input_text, return_tensors="pt").to(model.device)
output = model.generate(**inputs, max_new_tokens=512, temperature=0.7)
print(tokenizer.decode(output[0], skip_special_tokens=True))
Soru: Kars Sulu Köfte hangi kategoride yer alır?
Cevap: Kars Sulu Köfte Et Yemekleri kategorisindedir.
Soru: Mantı nasıl yapılır?
Cevap:
Mantı yapılışı şu şekildedir:
- 1 su bardağı su, 1 tatlı kaşığı tuz ve 3,5 su bardağı unu yoğurarak sert bir hamur hazırlayın.
- Hamuru 10 dakika dinlendirin.
- Hamuru 1 milimetre kalınlığında açın ve 1 milimetre derinliğinde kare parçalar kesin.
- İç harcı ekleyip üçgen şeklinde kapatın.
- Tuzlu kaynar suda 10 dakika pişirin.
- Tereyağı ve zeytinyağı karışımını eritip sos hazırlayın.
- Sosu mantıların üzerine gezdirip servis edin.
unsloth/Qwen3.5-2B, Qwen3.5 ailesinin hibrit reasoning (thinking / non-thinking)
mimarisini kullanır. Qwen3.5 Small serisinde (0.8B/2B/4B/9B) thinking varsayılan
olarak kapalıdır. Bu adaptör, eğitim verisindeki thinking alanını
<think>...</think> formatına gömerek eğitildi; dolayısıyla thinking modunu
enable_thinking=True ile açtığınızda model, domain'e özgü kısa bir akıl
yürütme adımı üretip ardından cevabı verir.
Uunan/turkish-cuisine-qa —
34.244 satır Türkçe mutfak/yemek soru-cevap çifti, her satırda role, content ve
(assistant turlarında) thinking alanları bulunur.
| Parametre | Değer |
|---|---|
r (LoRA rank) | 16 |
lora_alpha | 16 |
lora_dropout | 0 |
learning_rate | 2e-4 |
lr_scheduler_type | linear |
per_device_train_batch_size | 4 |
gradient_accumulation_steps | 2 |
num_train_epochs | 3 |
optimizer | adamw_8bit |
weight_decay | 0.001 |
precision | bf16 |
seed | 3407 |
Bu model Unsloth ile eğitilmiştir — 2x daha hızlı fine-tuning.