---
language:
- fa
- en
library_name: transformers
pipeline_tag: text-generation
tags:
- text-generation
- qwen2
- pytorch
---

---
language:
- fa
- en
license: apache-2.0
base_model: Qwen/Qwen2.5-3B
pipeline_tag: text-generation
tags:
- text-generation
- qwen2
- moeingts
- persian
---

# 🚀 moeinGTS 1.5 - 3B

**moeinGTS 1.5-3B** یک مدل زبانی فشرده، قدرتمند و بهینه‌شده برای زبان فارسی است که بر پایه معماری Qwen2.5 آموزش دیده و توسعه یافته است.

---

## 📌 ویژگی‌های کلیدی
* **پشتیبانی قوی از زبان فارسی:** درک عمیق دستورات متنی، خلاصه سازی و پاسخ‌دهی روان.
* **بهینه‌شده برای اجرا روی سیستم‌های خانگی:** قابلیت اجرا روی GPUهای معمولی و حتی CPU (با فرمت GGUF).
* **مناسب برای چت و اتوماسیون:** سازگار با اکوسیستم‌های Ollama و Transformers.

---

## 📊 جزئیات آموزش (Training Details)

* **مدل پایه (Base Model):** Qwen2.5-3B
* **روش آموزش:** Instruction Fine-Tuning با استفاده از روش **LoRA / PEFT**
* **سخت‌افزار آموزش:** NVIDIA T4 / A100 GPUs
* **Hyperparameters:**
  * **Learning Rate:** 2e-4
  * **Batch Size:** 4
  * **Gradient Accumulation Steps:** 4
  * **Optimizer:** AdamW

---

## 🏎️ نحوه استفاده (Usage)

```python
import torch
from transformers import AutoModelForCausalLM, AutoTokenizer

repo_id = "ali-arshiya/moeinGTS1.5-3b"

tokenizer = AutoTokenizer.from_pretrained(repo_id)
model = AutoModelForCausalLM.from_pretrained(
    repo_id,
    torch_dtype=torch.float16,
    device_map="auto"
)

prompt = "اروش‌های بهبود کارایی مدل‌های هوش مصنوعی چیست؟"
inputs = tokenizer(prompt, return_tensors="pt").to("cuda")

outputs = model.generate(**inputs, max_new_tokens=150)
print(tokenizer.decode(outputs[0], skip_special_tokens=True))