Update app.py

app.py

@@ -26,6 +26,7 @@ def tokenize_function(examples):
 
 tokenized_datasets = dataset.map(tokenize_function, batched=True)
 
+# === 4️⃣ EĞİTİM AYARLARI ===
 # === 4️⃣ EĞİTİM AYARLARI ===
 training_args = TrainingArguments(
     output_dir="./mistral_lora",
@@ -38,15 +39,33 @@ training_args = TrainingArguments(
     logging_dir="./logs",
     logging_steps=10,
     optim="adamw_torch",
+    no_cuda=True,  # 🔥 ÇÖZÜM: Ana süreçte GPU'yu başlatmayı engelle
 )
 
+
 # === 5️⃣ GPU BAŞLATMA VE EĞİTİM ===
 @spaces.GPU
 def train_model():
-    device = "cuda" if torch.cuda.is_available() else "cpu"  # CUDA'yı sadece burada başlat!
+    device = "cuda" if torch.cuda.is_available() else "cpu"
+    
+    # Modeli burada yükle
     model = AutoModelForCausalLM.from_pretrained(MODEL_NAME, torch_dtype=torch.float32).to(device)
     model = get_peft_model(model, lora_config)
 
+    # TrainingArguments burada tanımlandı!
+    training_args = TrainingArguments(
+        output_dir="./mistral_lora",
+        per_device_train_batch_size=1,
+        gradient_accumulation_steps=16,
+        learning_rate=5e-4,
+        num_train_epochs=1,
+        save_steps=500,
+        save_total_limit=2,
+        logging_dir="./logs",
+        logging_steps=10,
+        optim="adamw_torch",
+    )
+
     trainer = Trainer(
         model=model,
         args=training_args,
@@ -55,6 +74,7 @@ def train_model():
     trainer.train()
     return "✅ Model Eğitimi Tamamlandı!"
 
+
 # === 6️⃣ BAŞLATMA ===
 if __name__ == "__main__":
     train_model()  # Eğitimi başlat