E4C/LLAMA3-DataAnalysis-Model

!pip install "unsloth[colab-new] @ git+https://github.com/unslothai/unsloth.git"
!pip install --no-deps "xformers<0.0.27" "trl<0.9.0" peft accelerate bitsandbytes

from unsloth import FastLanguageModel

import torch
max_seq_length = 1024
dtype = None
load_in_4bit = True

fourbit_models = [
    "unsloth/llama-3-8b-bnb-4bit",
]

alpaca_prompt = """Aşağıda bir görevi tanımlayan bir talimat ve daha fazla bağlam sağlayan bir girdi bulunmaktadır. Talebi uygun şekilde tamamlayan bir yanıt yazın.

### Instruction:
{}

### Input:
{}

### Response:
{}"""


model, tokenizer = FastLanguageModel.from_pretrained(
    model_name = "E4C/LLAMA3-DataAnalysis-Model",
    max_seq_length = max_seq_length,
    dtype = dtype,
    load_in_4bit = load_in_4bit,
    # token = "hf_...", # use one if using gated models like meta-llama/Llama-2-7b-hf
)

FastLanguageModel.for_inference(model) # Enable native 2x faster inference
inputs = tokenizer(
[
    alpaca_prompt.format(
        "Veriler müşterinin kampanya geri dönüşlerinden oluşmaktadır. Verilerin %60 ı pozitif %40 ı negatiftir. Verilerin %10 u ofansif %90 ı ofansif değildir. Verilerin %60 ı ürün yorumu %30 u mağaza yorumu %10 u normal yorumdur. Verilerin %20 si mutluluk %30 ı sürpriz %5 korku %45 i de öfke duygularını içeren datalardan oluşuyor. Bu kampanya sonucunu yorumlar mısın?", # instruction
        "", # input
        "", # output - leave this blank for generation!
    )
], return_tensors = "pt").to("cuda")

outputs = model.generate(**inputs, max_new_tokens = 512, use_cache = True)
tokenizer.batch_decode(outputs)