# ChatGPT modelini verilerimizle eğitmek

## 🕊️ Eğer içeriğiniz ufaksa direkt bu yöntemi kullanarabilirsiniz

* `Article` sonrasındaki alana bilgiyi yazın
* `Questions` sonrasındaki alana da soruyu yazın

<figure><img src="/files/MoR9RX7mFabw5JDsSgiE" alt=""><figcaption></figcaption></figure>

## 📚 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

<figure><img src="/files/pXRvJ8w29uspBobFA07E" alt=""><figcaption></figcaption></figure>

<figure><img src="/files/FWDHlRzVVgDAnrInDmLB" alt=""><figcaption></figcaption></figure>

> `API` kalan kullanımlarınızı <https://platform.openai.com/account/usage> 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

<figure><img src="/files/uvEZJ2DdFrBG1z7OJ7HQ" alt=""><figcaption></figcaption></figure>

### 🌍 Local hosttaki websiteniz aşağıdaki gibi gözükecektir

* `flag` ile konuşmayı kayıt edebilirsiniz

<figure><img src="/files/6dhD0UNG7uuDeJoZJYw0" alt=""><figcaption></figcaption></figure>

{% embed url="<https://beebom.com/how-train-ai-chatbot-custom-knowledge-base-chatgpt-api/>" %}


---

# Agent Instructions: Querying This Documentation

If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter:

```
GET https://docs.yemreak.com/arsiv/yazilarim/chatgpt-modelini-verilerimizle-egitmek.md?ask=<question>
```

The question should be specific, self-contained, and written in natural language.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.