Canonical: https://instain.ru/tr/ai/unsloth/ Language: tr Unsloth AI Model eğitim araçları # Unsloth. LoRA adaptörleri ile uyumlu modellerin ek eğitimi 4.45 / 5 [Katalog değerlendirmesi](https://instain.ru/tr/ai/unsloth/#editorial-rating) [Resmî site ](https://unsloth.ai/docs/get-started/fine-tuning-llms-guide) Unsloth yardımcı programları ek eğitimin hazırlanmasını kolaylaştırır. LoRA adaptörü, başlangıç ağırlıklarının büyük kısmını koruyarak modelin davranışını değiştirmenize izin verir. ![Model ve verilerin hazırlanması için prosedürle Unsloth yardım](https://instain.ru/assets/images/unsloth-screen-c6eb17b19b99-1200.webp) Model ve veri hazırlama prosedürü ile Unsloth yardım edin. [Kaynağı aç ](https://unsloth.ai/docs/get-started/fine-tuning-llms-guide) ## Bir Adaptör Haklı Olduğunda Destek ekibi, orijinal modelin takip ettiği basit bir yanıt formatına sahip olabilir. İlk olarak, aynı istek setindeki güncellenmiş talimatlarla eğitimi karşılaştırın. Sorun devam ederse, Unsloth, LoRA ile bir eğitim çalışması hazırlamanıza izin verir. Uyumlu bir model seçin ve sürümünü kaydedin. Aksi takdirde, eğitimden sonra formatı değiştirmek, başlangıç ağırlıklarını veya diyalog şablonunu değiştirmekle karıştırmak kolaydır. ## Malların iadesi için eğitim örnekleri Kurgusal itirazları ve cevapları doğru formatta hazırlayın. İki ürün içeren bir dava, sipariş numarası olmayan bir talep ve doğru cevabın açıklığa kavuşturulmasını gerektiren bir itiraz ekleyin. Ayrı olarak, doğrulama için birkaç açıklayıcı istek bırakın ve yakın seçeneklerini eğitimden çıkarın. Kaydetme işaretlenirken ve belirli bir süreyi adlandırmanın mümkün olmadığı durumlarda. Bu, modelin tahmin etmek yerine bir soru sormayı öğrenip öğrenmediğini görmeye yardımcı olacaktır. ## İkinci turdan önce hata yapın. İki sürümü formata, gerçeklere ve modelin boş bıraktığı bilgilere göre karşılaştırın. Cevaplar daha doğru hale geldiyse ve zamanlamayla ilgili hatalar eklendiyse, parametreleri değiştirmeden önce işaretlemeyi inceleyin. Ayrıca, tanıdık fırsatların kaybını fark etmek için yabancı bir konuya göz atın. Deneyin verileri, modeli ve parametreleri raporda daha iyi ayrı tutulur. Ekipman veya çalışma modunu değiştirirken, fark hakkında bir sonuç çıkarmadan önce aynı girişleri kısa bir kontrol tekrarlayın. ## Hangi görevler uygun - Modele belirli bir modele yanıt vermeyi öğretin - Ön eğitimden sonra orijinal modeli sürümle karşılaştırın Özellikler ## Güçlü yönler - LoRA parametreleri ve veri seti için öneriler var - Farklı uyumlu modelleri ve başlangıç yöntemlerini destekler Dikkate alınması gerekenler ## Sınırlamalar - Küçük bir örnek hataları ve kopyaları düzeltebilir - Verinin modu ve miktarı bellek ekipmanı ile sınırlıdır. ## Seçim ve koşullar Ücretsiz kullanım Evet Deneme süresi Doğrulanmadı Kayıt gerektirmez Doğrulanmadı Rusça arayüz Doğrulanmadı Yerel kurulum Evet API Doğrulanmadı “Doğrulanmadı”, yeterli bilgi bulunmadığı anlamına gelir. Özellik mevcut olabilir; geliştiricinin koşullarını kontrol edin. Girdi biçimleri Metin, Veri Sonuç Veri, Model ### Koşullar Açık kaynağın kendi kendine başlatma seçenekleri vardır. Olası ödeme, modelin yerleştirilmesine, ekipmanına ve lisansına bağlıdır. Küçük bir örnek, hataları ve kopyaları düzeltebilir. Görevden ilk sonuca ## Uygulama örneği Görev Modele belirli bir modele yanıt vermeyi öğretin Ne hazırlamalısınız? İstek ve cevapların bir eğitim seti, uyumlu bir model ve bireysel doğrulama örnekleri. ### Görev veya istem Kısa bir eğitim koşusu hazırlayın. Model parametrelerini kaydedin ve aynı doğrulama istekleri üzerinde eğitimden önce ve sonra cevaplarını karşılaştırın. ### Beklenen sonuç Kalite değişim raporu ve özelleştirilmiş adaptör veya kontrol noktası. ### Sonuç nasıl kontrol edilir - Kopyaları çıkarın ve örnekler arasındaki seçenekleri kapatın. - İçerik hatalarına ve format sapmalarına ayrı ayrı dikkat edin. Bu, görevin nasıl tanımlanabileceğini gösteren editoryal bir eğitim örneğidir; servisi bizzat test ederek elde edilmiş bir sonuç değildir. Gerekli modun kullanılabilirliğini, kaynak dosyalar üzerindeki hakları ve sonucun kullanım koşullarını kontrol edin. Ayrıntıları kontrol et ## Resmi kaynaklar - [Unsloth Eğitim Rehberi ](https://unsloth.ai/docs/get-started/fine-tuning-llms-guide) - [Unsloth resmi deposu ](https://github.com/unslothai/unsloth) - [LoRA Adaptör Seçenekleri ](https://unsloth.ai/docs/get-started/fine-tuning-llms-guide/lora-hyperparameters-guide) Açıklama geliştiricinin materyallerine dayanmaktadır. Fırsatlar, fiyatlar ve kullanılabilirlik değişebilir; kullanımdan önce orijinal kaynağa bakın. Kısaca araç hakkında Geliştirici Unsloth AI Kategori [Kod](https://instain.ru/tr/category/code/) Erişim Veriye, uyumlu bir modele ve uygun bir hesaplama ortamına ihtiyacımız var. Seçilen mod için donanım desteği ve başlangıç yöntemini kontrol edin. Ödeme Açık kaynağın kendi kendine başlatma seçenekleri vardır. Olası ödeme, modelin yerleştirilmesine, ekipmanına ve lisansına bağlıdır. API Ayrı bir API belirtilmedi [Geliştirici Koşulları ](https://unsloth.ai/docs/get-started/fine-tuning-llms-guide/lora-hyperparameters-guide) Katalog değerlendirmesi 4.45 / 5 Özellikler 4.50 / 5 Çalışma senaryoları 4.30 / 5 Ekosistem 4.50 / 5 Belgeler 4.50 / 5 Puanlar katalogda yol gösterir. Kullanıcı yorumu veya kişisel test sonucu değildir. [Metodolojiye bakın ](https://instain.ru/tr/methodology/) Tanımaya devam edin ## Benzer görevler için [Kategorinin tamamı ](https://instain.ru/tr/category/code/) Kod ### [Hugging Face TRL](https://instain.ru/tr/ai/huggingface-trl/) DPO'lar ve cevap çiftleri ile bir çalışma sonrası kütüphanesi 4.40 / 5 Eğitim Sonrası Kütüphane Modelleri Benzer görevler; koşulları, biçimleri ve sınırlamaları karşılaştırın