Instructions to use OnurAkyar/Cosmos-Math-Gpt2 with libraries, inference providers, notebooks, and local apps. Follow these links to get started.

Libraries

How to use OnurAkyar/Cosmos-Math-Gpt2 with Transformers:

# Use a pipeline as a high-level helper
from transformers import pipeline

pipe = pipeline("text-generation", model="OnurAkyar/Cosmos-Math-Gpt2")

# Load model directly
from transformers import AutoTokenizer, AutoModelForCausalLM

tokenizer = AutoTokenizer.from_pretrained("OnurAkyar/Cosmos-Math-Gpt2")
model = AutoModelForCausalLM.from_pretrained("OnurAkyar/Cosmos-Math-Gpt2")

Notebooks
Google Colab
Kaggle
Local Apps

vLLM

How to use OnurAkyar/Cosmos-Math-Gpt2 with vLLM:

Install from pip and serve model

# Install vLLM from pip:
pip install vllm
# Start the vLLM server:
vllm serve "OnurAkyar/Cosmos-Math-Gpt2"
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:8000/v1/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "OnurAkyar/Cosmos-Math-Gpt2",
		"prompt": "Once upon a time,",
		"max_tokens": 512,
		"temperature": 0.5
	}'

Use Docker

docker model run hf.co/OnurAkyar/Cosmos-Math-Gpt2

SGLang

How to use OnurAkyar/Cosmos-Math-Gpt2 with SGLang:

Install from pip and serve model

# Install SGLang from pip:
pip install sglang
# Start the SGLang server:
python3 -m sglang.launch_server \
    --model-path "OnurAkyar/Cosmos-Math-Gpt2" \
    --host 0.0.0.0 \
    --port 30000
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:30000/v1/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "OnurAkyar/Cosmos-Math-Gpt2",
		"prompt": "Once upon a time,",
		"max_tokens": 512,
		"temperature": 0.5
	}'

Use Docker images

docker run --gpus all \
    --shm-size 32g \
    -p 30000:30000 \
    -v ~/.cache/huggingface:/root/.cache/huggingface \
    --env "HF_TOKEN=<secret>" \
    --ipc=host \
    lmsysorg/sglang:latest \
    python3 -m sglang.launch_server \
        --model-path "OnurAkyar/Cosmos-Math-Gpt2" \
        --host 0.0.0.0 \
        --port 30000
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:30000/v1/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "OnurAkyar/Cosmos-Math-Gpt2",
		"prompt": "Once upon a time,",
		"max_tokens": 512,
		"temperature": 0.5
	}'

Docker Model Runner
How to use OnurAkyar/Cosmos-Math-Gpt2 with Docker Model Runner:
```
docker model run hf.co/OnurAkyar/Cosmos-Math-Gpt2
```

OnurAkyar commited on Feb 17

Commit

8cd81ba

verified ·

1 Parent(s): 0e0bb7a

Update README.md

Browse files

Files changed (1) hide show

README.md +3 -3

README.md CHANGED Viewed

@@ -15,19 +15,19 @@ datasets:
 - malhajar/gsm8k-tr
 ---
-# Cosmos-TR-Math-v1 (Türkçe Matematik Modeli)
 Bu model, Türkçe matematik problemlerini adım adım mantık yürüterek (Chain of Thought) çözmek için geliştirilmiştir. Model ilk olarak next token prediction ile pre-training yapılmıştır.
 2.adım olarak Sft uygulanmış ve son olarak Dpo algoritması uygulanarak fine-tuning işlemleri yapılmıştır.
 **ytu-ce-cosmos/turkish-gpt2-medium** taban modeli üzerine inşa edilmiş olup, önce **SFT (Supervised Fine-Tuning)** ardından **DPO (Direct Preference Optimization)** yöntemleri ile **GSM8K-TR** veri seti üzerinde eğitilmiştir.
-## 🏆 Model Yetenekleri
 - İlkokul ve ortaokul seviyesindeki matematik problemlerini çözer.
 - Problemi parçalara ayırır ve adım adım anlatır.
 - Sonucu `#### [Cevap]` formatında verir.
-## 🔧 Nasıl Kullanılır?
 Modeli kullanmak için aşağıdaki Python kodunu çalıştırabilirsiniz. Model **"### Soru:"** ve **"### Cevap:"** formatına duyarlıdır.

 - malhajar/gsm8k-tr
 ---
+# Cosmos-Math-Gpt2 (Türkçe Matematik Modeli)
 Bu model, Türkçe matematik problemlerini adım adım mantık yürüterek (Chain of Thought) çözmek için geliştirilmiştir. Model ilk olarak next token prediction ile pre-training yapılmıştır.
 2.adım olarak Sft uygulanmış ve son olarak Dpo algoritması uygulanarak fine-tuning işlemleri yapılmıştır.
 **ytu-ce-cosmos/turkish-gpt2-medium** taban modeli üzerine inşa edilmiş olup, önce **SFT (Supervised Fine-Tuning)** ardından **DPO (Direct Preference Optimization)** yöntemleri ile **GSM8K-TR** veri seti üzerinde eğitilmiştir.
+##  Model Yetenekleri
 - İlkokul ve ortaokul seviyesindeki matematik problemlerini çözer.
 - Problemi parçalara ayırır ve adım adım anlatır.
 - Sonucu `#### [Cevap]` formatında verir.
+##  Nasıl Kullanılır?
 Modeli kullanmak için aşağıdaki Python kodunu çalıştırabilirsiniz. Model **"### Soru:"** ve **"### Cevap:"** formatına duyarlıdır.