Özgür Entegrasyon
commited on
Update README
Browse files
README.md
CHANGED
|
@@ -12,6 +12,10 @@ language:
|
|
| 12 |
- tr
|
| 13 |
datasets:
|
| 14 |
- Qutiba/Kubernets_LinuxCommands_KVM_Postgresql
|
|
|
|
|
|
|
|
|
|
|
|
|
| 15 |
---
|
| 16 |
|
| 17 |
# Uploaded model
|
|
@@ -30,7 +34,6 @@ and memory usage, while the 16-bit version offers higher accuracy and precision
|
|
| 30 |
provides a lightweight alternative optimized for low-resource environments. Additionally, the HUGG format (GGUF) ensures
|
| 31 |
that the model has a smaller memory footprint with fast load times.
|
| 32 |
|
| 33 |
-
|
| 34 |
---
|
| 35 |
|
| 36 |
## Dataset
|
|
@@ -41,9 +44,7 @@ A total of **56,466 question-answer pairs** were collected, covering a broad ran
|
|
| 41 |
|
| 42 |
The inclusion of diverse technical topics ensures that the model can assist with various tasks and adapt to a variety of Linux system-related challenges, providing highly accurate, domain-specific solutions.
|
| 43 |
|
| 44 |
-
|
| 45 |
-
|
| 46 |
-
--
|
| 47 |
|
| 48 |
## Key Features
|
| 49 |
|
|
@@ -61,12 +62,13 @@ The inclusion of diverse technical topics ensures that the model can assist with
|
|
| 61 |
- **Training Hardware:** Google Colab with A100 GPUs
|
| 62 |
- **Dataset:** Custom-developed dataset of 56,466 question-answer pairs from various technical fields (Kubernetes, Linux, PostgreSQL, Docker, etc.).
|
| 63 |
|
| 64 |
-
---
|
| 65 |
-
---
|
| 66 |
-
**
|
| 67 |
---
|
| 68 |
---
|
| 69 |
|
|
|
|
|
|
|
|
|
|
|
|
|
| 70 |
|
| 71 |
# Yüklenen Model
|
| 72 |
|
|
@@ -78,7 +80,6 @@ OZGURLUK-GPT-LinuxGeneral, özellikle Linux sistem yönetimi, ağ yönetimi ve v
|
|
| 78 |
|
| 79 |
Model, üç farklı formatta sunulmaktadır: 4-bit, 8-bit ve 16-bit. 8-bit versiyonu performans ve bellek kullanımını dengelerken, 16-bit versiyonu daha yüksek doğruluk ve hassasiyet sunar. 4-bit versiyonu, düşük kaynaklı ortamlar için optimize edilmiş hafif bir alternatiftir. Ayrıca, HUGG formatı (GGUF) modelin daha küçük bir bellek izine sahip olmasını ve hızlı yükleme süreleri sunmasını sağlar.
|
| 80 |
|
| 81 |
-
|
| 82 |
---
|
| 83 |
|
| 84 |
## Veri Seti
|
|
@@ -89,8 +90,6 @@ Toplamda 56.466 soru-cevap çifti toplanmış olup, bu veriler geniş bir teknik
|
|
| 89 |
|
| 90 |
Farklı teknik konuları içeren bu veri seti, modelin çeşitli görevleri yerine getirmesine yardımcı olur ve Linux tabanlı sistemlerle ilgili çeşitli zorluklara uyum sağlamasına olanak tanır, bu sayede yüksek doğrulukla alanına özgü çözümler sunar.
|
| 91 |
|
| 92 |
-
|
| 93 |
-
|
| 94 |
--
|
| 95 |
|
| 96 |
## Temel Özellikler
|
|
@@ -109,3 +108,4 @@ Farklı teknik konuları içeren bu veri seti, modelin çeşitli görevleri yeri
|
|
| 109 |
- **Eğitim Donanımı:** Google Colab with A100 GPUs
|
| 110 |
- **Veri Seti:** Custom-developed dataset of 56,466 question-answer pairs from various technical fields (Kubernetes, Linux, PostgreSQL, Docker, etc.).
|
| 111 |
|
|
|
|
|
|
| 12 |
- tr
|
| 13 |
datasets:
|
| 14 |
- Qutiba/Kubernets_LinuxCommands_KVM_Postgresql
|
| 15 |
+
metrics:
|
| 16 |
+
- accuracy
|
| 17 |
+
pipeline_tag: question-answering
|
| 18 |
+
|
| 19 |
---
|
| 20 |
|
| 21 |
# Uploaded model
|
|
|
|
| 34 |
provides a lightweight alternative optimized for low-resource environments. Additionally, the HUGG format (GGUF) ensures
|
| 35 |
that the model has a smaller memory footprint with fast load times.
|
| 36 |
|
|
|
|
| 37 |
---
|
| 38 |
|
| 39 |
## Dataset
|
|
|
|
| 44 |
|
| 45 |
The inclusion of diverse technical topics ensures that the model can assist with various tasks and adapt to a variety of Linux system-related challenges, providing highly accurate, domain-specific solutions.
|
| 46 |
|
| 47 |
+
---
|
|
|
|
|
|
|
| 48 |
|
| 49 |
## Key Features
|
| 50 |
|
|
|
|
| 62 |
- **Training Hardware:** Google Colab with A100 GPUs
|
| 63 |
- **Dataset:** Custom-developed dataset of 56,466 question-answer pairs from various technical fields (Kubernetes, Linux, PostgreSQL, Docker, etc.).
|
| 64 |
|
|
|
|
|
|
|
|
|
|
| 65 |
---
|
| 66 |
---
|
| 67 |
|
| 68 |
+
- **Türkçe**
|
| 69 |
+
|
| 70 |
+
---
|
| 71 |
+
---
|
| 72 |
|
| 73 |
# Yüklenen Model
|
| 74 |
|
|
|
|
| 80 |
|
| 81 |
Model, üç farklı formatta sunulmaktadır: 4-bit, 8-bit ve 16-bit. 8-bit versiyonu performans ve bellek kullanımını dengelerken, 16-bit versiyonu daha yüksek doğruluk ve hassasiyet sunar. 4-bit versiyonu, düşük kaynaklı ortamlar için optimize edilmiş hafif bir alternatiftir. Ayrıca, HUGG formatı (GGUF) modelin daha küçük bir bellek izine sahip olmasını ve hızlı yükleme süreleri sunmasını sağlar.
|
| 82 |
|
|
|
|
| 83 |
---
|
| 84 |
|
| 85 |
## Veri Seti
|
|
|
|
| 90 |
|
| 91 |
Farklı teknik konuları içeren bu veri seti, modelin çeşitli görevleri yerine getirmesine yardımcı olur ve Linux tabanlı sistemlerle ilgili çeşitli zorluklara uyum sağlamasına olanak tanır, bu sayede yüksek doğrulukla alanına özgü çözümler sunar.
|
| 92 |
|
|
|
|
|
|
|
| 93 |
--
|
| 94 |
|
| 95 |
## Temel Özellikler
|
|
|
|
| 108 |
- **Eğitim Donanımı:** Google Colab with A100 GPUs
|
| 109 |
- **Veri Seti:** Custom-developed dataset of 56,466 question-answer pairs from various technical fields (Kubernetes, Linux, PostgreSQL, Docker, etc.).
|
| 110 |
|
| 111 |
+
---
|