kanunlar

Model Card for Model ID

<!-- Provide a quick summary of what the model is/does. -->

Model Details

Model Description

<!-- Provide a longer summary of what this model is. -->

This model is a fineuned qwen3.5:9B with a turkish law dataset (sedatyilmazer/Kanunlar)

• Developed by: Sedat YILMAZER
• Model type: QWEN3.5
• Language(s) (NLP): Turkish
• Finetuned from model : QWEN3.5:9B

Model Sources [optional]

<!-- Provide the basic links for the model. -->

!pip install git+https://github.com/huggingface/transformers.git -U
!pip install accelerate peft -U

import torch
from transformers import AutoModelForCausalLM, AutoTokenizer

# --- YAPILANDIRMA ---
# Yeni oluşturduğun modelin Hugging Face ID'si
model_id = "sedatyilmazer/kanunlar"

def run_kanunlar_inference():
    print(f"🚀 Blackwell GPU üzerinde '{model_id}' yükleniyor...")

    try:
        # 1. Tokenizer ve Model Yükleme
        # Blackwell mimarisi için torch_dtype=torch.bfloat16 en verimli tercihtir.
        tokenizer = AutoTokenizer.from_pretrained(model_id, trust_remote_code=True)
        
        model = AutoModelForCausalLM.from_pretrained(
            model_id,
            torch_dtype=torch.bfloat16,
            device_map="auto",
            trust_remote_code=True
        )

        print("✅ Model başarıyla yüklendi! Sorgu işleniyor...")

        # 2. Test Sorusu (Prompt)
        # Qwen modelleri genellikle ChatML formatını (<|im_start|>) sever.
        user_query = "KVKK nedir?"
        
        prompt = f"<|im_start|>user\n{user_query}<|im_end|>\n<|im_start|>assistant\n"
        inputs = tokenizer(prompt, return_tensors="pt").to(model.device)

        # 3. Yanıt Üretme (Generation)
        with torch.no_grad():
            output_ids = model.generate(
                **inputs,
                max_new_tokens=32000,   # Blackwell'de bellek sorunu olmadığı için yüksek tutabilirsin
                temperature=0.3,       # Hukuk metinlerinde tutarlılık için düşük sıcaklık
                top_p=0.9,
                repetition_penalty=1.1,
                do_sample=True,
                pad_token_id=tokenizer.eos_token_id
            )

        # 4. Çıktıyı Decode Etme
        response = tokenizer.decode(output_ids[0][inputs.input_ids.shape[-1]:], skip_special_tokens=True)
        
        print("\n" + "="*60)
        print(f"SORU: {user_query}")
        print("-" * 60)
        print(f"KANUNLAR YANITI:\n\n{response}")
        print("="*60)

    except Exception as e:
        print(f"❌ HATA: {str(e)}")

# Testi Başlat
run_kanunlar_inference()

Training Data

sedatyilmazer/Kanunlar