Text Generation
Transformers
Safetensors
Turkish
mima
turkish
small-language-model
nano-lm
causal-lm
decoder-only
from-scratch
bpe
tied-embeddings
rope
swiglu
conversational
custom_code
Instructions to use root-sys-n/Mima-Pico-15m with libraries, inference providers, notebooks, and local apps. Follow these links to get started.
- Libraries
- Transformers
How to use root-sys-n/Mima-Pico-15m with Transformers:
# Use a pipeline as a high-level helper from transformers import pipeline pipe = pipeline("text-generation", model="root-sys-n/Mima-Pico-15m", trust_remote_code=True) messages = [ {"role": "user", "content": "Who are you?"}, ] pipe(messages)# pip install -U transformers accelerate # Load model directly from transformers import AutoModelForCausalLM model = AutoModelForCausalLM.from_pretrained("root-sys-n/Mima-Pico-15m", trust_remote_code=True, device_map="auto") - Notebooks
- Google Colab
- Kaggle
- Local Apps Settings
- vLLM
How to use root-sys-n/Mima-Pico-15m with vLLM:
Install from pip and serve model
# Install vLLM from pip: pip install vllm # Start the vLLM server: vllm serve "root-sys-n/Mima-Pico-15m" # Call the server using curl (OpenAI-compatible API): curl -X POST "http://localhost:8000/v1/chat/completions" \ -H "Content-Type: application/json" \ --data '{ "model": "root-sys-n/Mima-Pico-15m", "messages": [ { "role": "user", "content": "What is the capital of France?" } ] }'Use Docker
docker model run hf.co/root-sys-n/Mima-Pico-15m
- SGLang
How to use root-sys-n/Mima-Pico-15m 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 "root-sys-n/Mima-Pico-15m" \ --host 0.0.0.0 \ --port 30000 # Call the server using curl (OpenAI-compatible API): curl -X POST "http://localhost:30000/v1/chat/completions" \ -H "Content-Type: application/json" \ --data '{ "model": "root-sys-n/Mima-Pico-15m", "messages": [ { "role": "user", "content": "What is the capital of France?" } ] }'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 "root-sys-n/Mima-Pico-15m" \ --host 0.0.0.0 \ --port 30000 # Call the server using curl (OpenAI-compatible API): curl -X POST "http://localhost:30000/v1/chat/completions" \ -H "Content-Type: application/json" \ --data '{ "model": "root-sys-n/Mima-Pico-15m", "messages": [ { "role": "user", "content": "What is the capital of France?" } ] }' - Docker Model Runner
How to use root-sys-n/Mima-Pico-15m with Docker Model Runner:
docker model run hf.co/root-sys-n/Mima-Pico-15m
Add sample outputs (örnek çıktılar) to model card
Browse files
README.md
CHANGED
|
@@ -248,3 +248,70 @@ the project repository. This package was regenerated from the live checkpoint on
|
|
| 248 |
|
| 249 |
> TR: Özgün proje (Mima18). Eğitim dökümü, müfredat ve değerlendirme kodu proje
|
| 250 |
> deposunda; paket 2026-10-14 tarihinde canlı checkpoint'tan üretilmiştir.
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 248 |
|
| 249 |
> TR: Özgün proje (Mima18). Eğitim dökümü, müfredat ve değerlendirme kodu proje
|
| 250 |
> deposunda; paket 2026-10-14 tarihinde canlı checkpoint'tan üretilmiştir.
|
| 251 |
+
|
| 252 |
+
|
| 253 |
+
## Örnek çıktılar
|
| 254 |
+
|
| 255 |
+
Aşağıdaki örnekler yerel checkpoint (`/home/root_sys-n/son.pt`, adım 32750) ile
|
| 256 |
+
`temperature=0.75`, `top_k=40`, `rep_penalty=1.2` ve `seed` seçimi yapılarak
|
| 257 |
+
üretildi. 15.5M parametreli bir model olduğundan çıktılar kısa ve değişken;
|
| 258 |
+
çoğunlukla kural dışı cümleler içerir. Üretilen metinler küratörlü değildir,
|
| 259 |
+
modelin "kendi haline" bırakılmış çıktılarıdır.
|
| 260 |
+
|
| 261 |
+
Girdi koşulu: `Bir varmis bir yokmus, eski zamanlarda`
|
| 262 |
+
|
| 263 |
+
```
|
| 264 |
+
--- seed=40 ---
|
| 265 |
+
dagillarin ve eski zamanların dagistliklerle dolu olduğunu düşünen eski bir adam.
|
| 266 |
+
|
| 267 |
+
Çünkü eski zamanlara denk gelen bir adama sahip olan adam, bir doguyu yaratmak istiyor
|
| 268 |
+
|
| 269 |
+
--- seed=48 ---
|
| 270 |
+
bu kadar fazla insan yoktu. Birisi, onu unutmamak için bir yol buldu. Hiçbiri, bu yüzden onu unutmalıydık.
|
| 271 |
+
|
| 272 |
+
Sorun değil, anlatabildiklerindi
|
| 273 |
+
|
| 274 |
+
--- seed=51 ---
|
| 275 |
+
butun-u gül gibi bir sevinçten biri olarak,
|
| 276 |
+
|
| 277 |
+
bir alimi gördüm, sevdim ve esirdım.
|
| 278 |
+
biri bana her birine yari da, el verdim
|
| 279 |
+
|
| 280 |
+
--- seed=57 ---
|
| 281 |
+
, eski zamanlardan beri, daha eski üne göre adlar kullanılmaktaydı. Bu isimlerin hepsinin de yazılı olduğu bir dönemde, zamanın diğerlerine nazaran, "Kral" adı verilen yeni bir adı
|
| 282 |
+
|
| 283 |
+
--- seed=64 ---
|
| 284 |
+
Sanklar ve eski zamanlardan beri
|
| 285 |
+
O kadar
|
| 286 |
+
İşte eski zamanlarda
|
| 287 |
+
Çakıl taş duvarlari,
|
| 288 |
+
Yasin ki
|
| 289 |
+
Şu o anki zamanlar
|
| 290 |
+
|
| 291 |
+
--- seed=82 ---
|
| 292 |
+
Yokmuyd, eskide bir yokum, eskiden bir yokmus; eski zamanlardan beri
|
| 293 |
+
Bilmezdim
|
| 294 |
+
Güzeldi, çoktandır, çoktandır, eskiden
|
| 295 |
+
|
| 296 |
+
--- seed=86 ---
|
| 297 |
+
bir köyden doğmuş. Köyde bir avcı vardı, köyde çok sayıda hayvan bulunuyordu. Köye ilişkin adli kayıtlar yeterli. Köyde ise köylüler arasında avcılık ile ilgili kayıtlar mevcut.
|
| 298 |
+
```
|
| 299 |
+
|
| 300 |
+
Tekrar üretmek için:
|
| 301 |
+
|
| 302 |
+
```python
|
| 303 |
+
import torch, random
|
| 304 |
+
from transformers import AutoModelForCausalLM
|
| 305 |
+
from tokenizers import Tokenizer
|
| 306 |
+
|
| 307 |
+
tok = Tokenizer.from_file("tokenizer.json")
|
| 308 |
+
model = AutoModelForCausalLM.from_pretrained(".", trust_remote_code=True)
|
| 309 |
+
prompt = "Bir varmis bir yokmus, eski zamanlarda"
|
| 310 |
+
ids = tok.encode(prompt, add_special_tokens=False).ids
|
| 311 |
+
g = torch.Generator().manual_seed(48) # yukarıdaki seed'ler
|
| 312 |
+
out = model.generate(torch.tensor([ids]), max_new_tokens=45,
|
| 313 |
+
temperature=0.75, top_k=40, generator=g)
|
| 314 |
+
print(tok.decode(out[0, len(ids):].tolist()))
|
| 315 |
+
```
|
| 316 |
+
|
| 317 |
+
Not: Sohbet formatında (`<bos><user>...<asst>...`) modelin cevapları çoğu zaman kural dışıdır; yaratıcı tamamlamada daha anlamlı çıktılar görülmektedir. Bu sınırlılık README'nin "Sınırlılıklar" bölümünde ayrıca açıklanmıştır.
|