# ChatGPT modelini verilerimizle eğitmek
## 🕊️ Eğer içeriğiniz ufaksa direkt bu yöntemi kullanarabilirsiniz
* `Article` sonrasındaki alana bilgiyi yazın
* `Questions` sonrasındaki alana da soruyu yazın
## 📚 Daha büyük verilerle eğitmek
### 🏜️ Projeniz içerisinde sanal ortam oluşturun ve bağımlılıkları kurun/text
```bash
# cd ile proje dizinine girin
python3 -m venv venv
# mac ve linux için Sanal ortamı aktif edin
# venv/Scripts/bin/activate # windows için
source venv/bin/activate
# pip'i güncelleyin
pip install -U pip
# Sadece gpt-index 0.4.24 sürümü için kod çalışascaktır
# openai==0.27.4
# gpt-index==0.4.24
# gradio==3.24.1
pip install openai gpt-index==0.4.24 gradio
```
> `grandio` basit bir web arayüzü oluşturup, local ve global olarak erişmenizi sağlar
### `📑 PDF` içerisindekileri metinleri okumak
* PyPDF2 ve PyCryptodome kullanabilirsiniz
```bash
pip install PyPDF2 PyCryptodome
```
### `🔑 OpenAI API Key` yoksa, [OpenAI](https://platform.openai.com/signup) sitesinden oluşturun
> `API` kalan kullanımlarınızı alanından görebilrisiniz
### ⚙️ Proje dizinine `.env` dosyası oluşturun ve içerisindeki gerekli alanları doldurun
* `OPENAI_API_KEY` OpenAI üzerinden oluşturduğun secret key’i buraya yapıştırın
* `DIRECTORY_PATH` olarak tanımlanan dizindeki ve alt dizinlerindeki tüm içerikler veri olarak alınacaktır
```bash
OPENAI_API_KEY=key-degerini-buraya-ekleyin
DIRECTORY_PATH=docs
```
### 👨💻 Eğitimi uygulayacağımız `main.py` dosyası içeriği
> Sanal ortamı aktif etmeyi unutmayın
```python
from gpt_index import (
SimpleDirectoryReader,
GPTSimpleVectorIndex,
LLMPredictor,
PromptHelper,
)
from langchain.chat_models import ChatOpenAI
import gradio as gr
from dotenv import load_dotenv
import os
load_dotenv()
def construct_index(directory_path):
max_input_size = 4096
num_outputs = 512
max_chunk_overlap = 20
chunk_size_limit = 600
prompt_helper = PromptHelper(
max_input_size,
num_outputs,
max_chunk_overlap,
chunk_size_limit=chunk_size_limit,
)
llm_predictor = LLMPredictor(
llm=ChatOpenAI( # type: ignore
temperature=0.7, model_name="gpt-3.5-turbo", max_tokens=num_outputs
)
)
documents = SimpleDirectoryReader(directory_path, recursive=True).load_data()
index = GPTSimpleVectorIndex(
documents, llm_predictor=llm_predictor, prompt_helper=prompt_helper
)
index.save_to_disk("index.json")
return index
def chatbot(input_text):
index = GPTSimpleVectorIndex.load_from_disk("index.json")
response = index.query(input_text, response_mode="compact")
return response.response
iface = gr.Interface(
fn=chatbot,
inputs=gr.components.Textbox(lines=7, label="Enter your text"),
outputs="text",
title="Custom-trained AI Chatbot",
)
index = construct_index(os.getenv("DIRECTORY_PATH"))
iface.launch(share=True)
```
### 🖤 Eğitim sonrası `terminal` üzerindeki `... on local URL:` sonrasındaki adrese tıklayın
* Kapatmak için ⌃C yani Ctrl C kısayolunu kullanın
### 🌍 Local hosttaki websiteniz aşağıdaki gibi gözükecektir
* `flag` ile konuşmayı kayıt edebilirsiniz
{% embed url="" %}
.png?alt=media)
.png?alt=media)
.png?alt=media)
.png?alt=media)
.png?alt=media)