From e8770f575723871727e55e0f1bda77e0f28d3174 Mon Sep 17 00:00:00 2001
From: onwp <49079271+onwp@users.noreply.github.com>
Date: Wed, 1 Apr 2026 08:05:19 +0300
Subject: [PATCH 1/3] Add Turkish (tr) translation for Get Started section
---
.github/workflows/build_documentation.yml | 2 +-
docs/source/tr/_toctree.yml | 8 +
docs/source/tr/index.md | 60 +++++
docs/source/tr/installation.md | 164 +++++++++++++
docs/source/tr/quicktour.md | 278 ++++++++++++++++++++++
5 files changed, 511 insertions(+), 1 deletion(-)
create mode 100644 docs/source/tr/_toctree.yml
create mode 100644 docs/source/tr/index.md
create mode 100644 docs/source/tr/installation.md
create mode 100644 docs/source/tr/quicktour.md
diff --git a/.github/workflows/build_documentation.yml b/.github/workflows/build_documentation.yml
index 28982d04eb46..49006efe49ec 100644
--- a/.github/workflows/build_documentation.yml
+++ b/.github/workflows/build_documentation.yml
@@ -28,7 +28,7 @@ jobs:
commit_sha: ${{ github.sha }}
package: transformers
notebook_folder: transformers_doc
- languages: ar de es fr hi it ja ko pt zh
+ languages: ar de es fr hi it ja ko pt tr zh
custom_container: huggingface/transformers-doc-builder
secrets:
token: ${{ secrets.HUGGINGFACE_PUSH }}
diff --git a/docs/source/tr/_toctree.yml b/docs/source/tr/_toctree.yml
new file mode 100644
index 000000000000..17f6c518192e
--- /dev/null
+++ b/docs/source/tr/_toctree.yml
@@ -0,0 +1,8 @@
+- sections:
+ - local: index
+ title: Transformers
+ - local: installation
+ title: Kurulum
+ - local: quicktour
+ title: Hızlı Başlangıç
+ title: Başlarken
diff --git a/docs/source/tr/index.md b/docs/source/tr/index.md
new file mode 100644
index 000000000000..b32f4da706e3
--- /dev/null
+++ b/docs/source/tr/index.md
@@ -0,0 +1,60 @@
+
+
+# Transformers
+
+
+ 
+
+
+Transformers; metin, bilgisayar görüşü, ses, video ve multimodal modeller için en gelişmiş makine öğrenmesi modellerinin hem çıkarsama hem de eğitim için model tanımlama çerçevesi olarak çalışır.
+
+Model tanımını merkezileştirerek bu tanımın ekosistem genelinde kabul görmesini sağlar. `transformers`, çerçeveler arası bir köprü görevindedir: eğer bir model tanımı destekleniyorsa, eğitim çerçevelerinin büyük çoğunluğuyla (Axolotl, Unsloth, DeepSpeed, FSDP, PyTorch-Lightning, ...), çıkarsama motorlarıyla (vLLM, SGLang, TGI, ...) ve `transformers`'daki model tanımını kullanan bitişik modelleme kütüphaneleriyle (llama.cpp, mlx, ...) uyumlu olacaktır.
+
+Yeni en gelişmiş modelleri desteklemeye ve model tanımlarını basit, özelleştirilebilir ve verimli tutarak kullanımlarını demokratikleştirmeye söz veriyoruz.
+
+Hugging Face [Hub](https://huggingface.com/models)'da kullanabileceğin 1 milyondan fazla Transformers [model kontrol noktası](https://huggingface.co/models?library=transformers&sort=trending) bulunuyor.
+
+Bir model bulmak için [Hub](https://huggingface.com/)'ı keşfet ve hemen başlamak için Transformers'ı kullan.
+
+Transformers'daki en son metin, görüntü, ses ve multimodal model mimarilerini keşfetmek için [Model Zaman Çizelgesi](./models_timeline)'ne göz at.
+
+## Özellikler
+
+Transformers, en gelişmiş önceden eğitilmiş modellerle çıkarsama veya eğitim için ihtiyacın olan her şeyi sağlar. Ana özelliklerden bazıları şunlardır:
+
+- [Pipeline](./pipeline_tutorial): Metin üretimi, görüntü segmentasyonu, otomatik konuşma tanıma, belge soru cevaplama ve daha birçok makine öğrenmesi görevi için basit ve optimize edilmiş çıkarsama sınıfı.
+- [Trainer](./trainer): PyTorch modelleri için karışık hassasiyet, torch.compile ve FlashAttention gibi özellikleri destekleyen, eğitim ve dağıtık eğitim için kapsamlı bir eğitici.
+- [generate](./llm_tutorial): Büyük dil modelleri (LLM'ler) ve görsel dil modelleri (VLM'ler) ile hızlı metin üretimi; akış ve birden fazla çözümleme stratejisi desteği dahil.
+
+## Tasarım
+
+> [!TIP]
+> Transformers'ın tasarım ilkeleri hakkında daha fazla bilgi edinmek için [Felsefe](./philosophy) sayfasını oku.
+
+Transformers, geliştiriciler, makine öğrenmesi mühendisleri ve araştırmacılar için tasarlanmıştır. Temel tasarım ilkeleri şunlardır:
+
+1. Hızlı ve kullanımı kolay: Her model yalnızca üç ana sınıftan (yapılandırma, model ve ön işleyici) oluşturulur ve [`Pipeline`] veya [`Trainer`] ile hızlıca çıkarsama veya eğitim için kullanılabilir.
+2. Önceden eğitilmiş modeller: Tamamen yeni bir model eğitmek yerine önceden eğitilmiş bir model kullanarak karbon ayak izini, hesaplama maliyetini ve zamanı azalt. Her önceden eğitilmiş model, orijinal modele olabildiğince yakın şekilde yeniden üretilmiştir ve en gelişmiş performansı sunar.
+
+
+
+## Öğren
+
+Transformers'a yeni başlıyor ya da transformer modelleri hakkında daha fazla bilgi edinmek istiyorsan, [LLM kursu](https://huggingface.co/learn/llm-course/chapter1/1?fw=pt) ile başlamanı öneririz. Bu kapsamlı kurs, transformer modellerinin nasıl çalıştığından çeşitli görevler için pratik uygulamalara kadar her şeyi kapsar. Yüksek kaliteli veri kümelerinin derlenmesinden büyük dil modellerinin ince ayarlanmasına ve akıl yürütme yeteneklerinin uygulanmasına kadar tam iş akışını öğreneceksin. Kurs, öğrenirken sağlam bir temel bilgi oluşturmak için hem teorik hem de uygulamalı alıştırmalar içermektedir.
diff --git a/docs/source/tr/installation.md b/docs/source/tr/installation.md
new file mode 100644
index 000000000000..58532062d83a
--- /dev/null
+++ b/docs/source/tr/installation.md
@@ -0,0 +1,164 @@
+
+
+# Kurulum
+
+Transformers, [PyTorch](https://pytorch.org/get-started/locally/) ile çalışır. Python 3.10+ ve PyTorch 2.4+ üzerinde test edilmiştir.
+
+## Sanal ortam
+
+[uv](https://docs.astral.sh/uv/), Rust tabanlı son derece hızlı bir Python paket ve proje yöneticisidir ve farklı projeleri yönetmek ile bağımlılıklar arasındaki uyumluluk sorunlarını önlemek için varsayılan olarak bir [sanal ortam](https://docs.astral.sh/uv/pip/environments/) gerektirir.
+
+[pip](https://pip.pypa.io/en/stable/) yerine doğrudan kullanılabilir, ancak pip'i tercih ediyorsan aşağıdaki komutlardan `uv` kısmını kaldırman yeterli.
+
+> [!TIP]
+> uv'yi kurmak için uv [kurulum](https://docs.astral.sh/uv/guides/install-python/) belgelerine bak.
+
+Transformers'ı kurmak için bir sanal ortam oluştur.
+
+```bash
+uv venv .env
+source .env/bin/activate
+```
+
+## Python
+
+Aşağıdaki komutla Transformers'ı kur.
+
+[uv](https://docs.astral.sh/uv/), Rust tabanlı hızlı bir Python paket ve proje yöneticisidir.
+
+```bash
+uv pip install transformers
+```
+
+GPU hızlandırması için [PyTorch](https://pytorch.org/get-started/locally) ile uyumlu CUDA sürücülerini kur.
+
+Sisteminin bir NVIDIA GPU algılayıp algılamadığını kontrol etmek için aşağıdaki komutu çalıştır.
+
+```bash
+nvidia-smi
+```
+
+Transformers'ın yalnızca CPU sürümünü kurmak için aşağıdaki komutu çalıştır.
+
+```bash
+uv pip install torch --index-url https://download.pytorch.org/whl/cpu
+uv pip install transformers
+```
+
+Kurulumun başarılı olup olmadığını aşağıdaki komutla test et. Verilen metin için bir etiket ve skor döndürmesi gerekir.
+
+```bash
+python -c "from transformers import pipeline; print(pipeline('sentiment-analysis')('hugging face is the best'))"
+[{'label': 'POSITIVE', 'score': 0.9998704791069031}]
+```
+
+### Kaynaktan kurulum
+
+Kaynaktan kurulum, kütüphanenin *kararlı* sürümü yerine *en son* sürümünü kurar. En güncel Transformers değişikliklerine sahip olmanı sağlar ve en son özelliklerle deney yapmak veya henüz kararlı sürümde resmi olarak yayınlanmamış bir hatayı düzeltmek için kullanışlıdır.
+
+Dezavantajı, en son sürümün her zaman kararlı olmayabilmesidir. Herhangi bir sorunla karşılaşırsan, lütfen en kısa sürede düzeltebilmemiz için bir [GitHub Issue](https://github.com/huggingface/transformers/issues) aç.
+
+Aşağıdaki komutla kaynaktan kur.
+
+```bash
+uv pip install git+https://github.com/huggingface/transformers
+```
+
+Kurulumun başarılı olup olmadığını aşağıdaki komutla kontrol et. Verilen metin için bir etiket ve skor döndürmesi gerekir.
+
+```bash
+python -c "from transformers import pipeline; print(pipeline('sentiment-analysis')('hugging face is the best'))"
+[{'label': 'POSITIVE', 'score': 0.9998704791069031}]
+```
+
+### Düzenlenebilir kurulum
+
+[Düzenlenebilir kurulum](https://pip.pypa.io/en/stable/topics/local-project-installs/#editable-installs), Transformers ile yerel olarak geliştirme yapıyorsan kullanışlıdır. Dosyaları kopyalamak yerine yerel Transformers kopyanı Transformers [deposuna](https://github.com/huggingface/transformers) bağlar. Dosyalar Python'ın import yoluna eklenir.
+
+```bash
+git clone https://github.com/huggingface/transformers.git
+cd transformers
+uv pip install -e .
+```
+
+> [!WARNING]
+> Kullanmaya devam etmek için yerel Transformers klasörünü saklamalısın.
+
+Ana depodaki en son değişikliklerle yerel Transformers sürümünü güncellemek için aşağıdaki komutu çalıştır.
+
+```bash
+cd ~/transformers/
+git pull
+```
+
+## conda
+
+[conda](https://docs.conda.io/projects/conda/en/stable/#), dilden bağımsız bir paket yöneticisidir. Yeni oluşturduğun sanal ortamda [conda-forge](https://anaconda.org/conda-forge/transformers) kanalından Transformers'ı kur.
+
+```bash
+conda install conda-forge::transformers
+```
+
+## Yapılandırma
+
+Kurulumdan sonra Transformers önbellek konumunu yapılandırabilir veya kütüphaneyi çevrimdışı kullanım için ayarlayabilirsin.
+
+### Önbellek dizini
+
+Önceden eğitilmiş bir modeli [`~PreTrainedModel.from_pretrained`] ile yüklediğinde, model Hub'dan indirilir ve yerel olarak önbelleğe alınır.
+
+Bir modeli her yüklediğinde, önbelleğe alınmış modelin güncel olup olmadığı kontrol edilir. Aynıysa yerel model yüklenir. Değilse yeni model indirilir ve önbelleğe alınır.
+
+Varsayılan dizin, `HF_HUB_CACHE` kabuk ortam değişkeni tarafından belirlenir ve `~/.cache/huggingface/hub` şeklindedir. Windows'ta varsayılan dizin `C:\Users\kullaniciadi\.cache\huggingface\hub` şeklindedir.
+
+Bir modeli farklı bir dizine önbelleğe almak için aşağıdaki kabuk ortam değişkenlerindeki yolu değiştir (öncelik sırasına göre listelenmiştir).
+
+1. [HF_HUB_CACHE](https://hf.co/docs/huggingface_hub/package_reference/environment_variables#hfhubcache) (varsayılan)
+2. [HF_HOME](https://hf.co/docs/huggingface_hub/package_reference/environment_variables#hfhome)
+3. [XDG_CACHE_HOME](https://hf.co/docs/huggingface_hub/package_reference/environment_variables#xdgcachehome) + `/huggingface` (yalnızca `HF_HOME` ayarlanmamışsa)
+
+### Çevrimdışı mod
+
+Transformers'ı çevrimdışı veya güvenlik duvarı olan bir ortamda kullanmak için indirilen ve önbelleğe alınmış dosyaların önceden hazır olması gerekir. [`~huggingface_hub.snapshot_download`] yöntemiyle Hub'dan bir model deposunu indir.
+
+> [!TIP]
+> Hub'dan dosya indirmek için daha fazla seçenek hakkında [Hub'dan dosya indirme](https://hf.co/docs/huggingface_hub/guides/download) rehberine bak. Belirli sürümlerden dosya indirebilir, CLI'dan indirebilir ve hatta bir depodan hangi dosyaların indirileceğini filtreleyebilirsin.
+
+```py
+from huggingface_hub import snapshot_download
+
+snapshot_download(repo_id="meta-llama/Llama-2-7b-hf", repo_type="model")
+```
+
+Bir model yüklerken Hub'a HTTP çağrılarını engellemek için `HF_HUB_OFFLINE=1` ortam değişkenini ayarla.
+
+```bash
+HF_HUB_OFFLINE=1 \
+python examples/pytorch/language-modeling/run_clm.py --model_name_or_path meta-llama/Llama-2-7b-hf --dataset_name wikitext ...
+```
+
+Yalnızca önbelleğe alınmış dosyaları yüklemek için başka bir seçenek de [`~PreTrainedModel.from_pretrained`] içinde `local_files_only=True` ayarlamaktır.
+
+```py
+from transformers import LlamaForCausalLM
+
+model = LlamaForCausalLM.from_pretrained("./path/to/local/directory", local_files_only=True)
+```
diff --git a/docs/source/tr/quicktour.md b/docs/source/tr/quicktour.md
new file mode 100644
index 000000000000..0ed16f03e917
--- /dev/null
+++ b/docs/source/tr/quicktour.md
@@ -0,0 +1,278 @@
+
+
+# Hızlı Başlangıç
+
+[[open-in-colab]]
+
+Transformers, herkesin transformer modelleriyle öğrenmeye veya geliştirmeye başlayabilmesi için hızlı ve kullanımı kolay olacak şekilde tasarlanmıştır.
+
+Kullanıcıya yönelik soyutlamalar yalnızca üç model oluşturma sınıfı ve iki çıkarsama veya eğitim API'si ile sınırlıdır. Bu hızlı başlangıç rehberi, Transformers'ın temel özelliklerini tanıtır ve sana şunları nasıl yapacağını gösterir:
+
+- önceden eğitilmiş bir model yükleme
+- [`Pipeline`] ile çıkarsama yapma
+- [`Trainer`] ile bir modeli ince ayarlama
+
+## Kurulum
+
+Başlamak için bir Hugging Face [hesabı](https://hf.co/join) oluşturmanı öneririz. Hesap, Hugging Face [Hub](https://hf.co/docs/hub/index)'da sürüm kontrollü modelleri, veri kümelerini ve [Spaces](https://hf.co/spaces)'leri barındırmanı ve erişmeni sağlar. Hub, keşif ve geliştirme için işbirlikçi bir platformdur.
+
+Bir [Kullanıcı Erişim Jetonu](https://hf.co/docs/hub/security-tokens#user-access-tokens) oluştur ve hesabına giriş yap.
+
+
+
+
+İstendiğinde Kullanıcı Erişim Jetonunu [`~huggingface_hub.notebook_login`] fonksiyonuna yapıştır.
+
+```py
+from huggingface_hub import notebook_login
+
+notebook_login()
+```
+
+
+
+
+[huggingface_hub[cli]](https://huggingface.co/docs/huggingface_hub/guides/cli#getting-started) paketinin kurulu olduğundan emin ol ve aşağıdaki komutu çalıştır. İstendiğinde Kullanıcı Erişim Jetonunu yapıştır.
+
+```bash
+hf auth login
+```
+
+
+
+
+PyTorch'u kur.
+
+```bash
+!pip install torch
+```
+
+Ardından Transformers'ın güncel bir sürümünü ve Hugging Face ekosisteminden veri kümelerine ve görüntü modellerine erişmek, eğitimi değerlendirmek ve büyük modeller için eğitimi optimize etmek için bazı ek kütüphaneleri kur.
+
+```bash
+!pip install -U transformers datasets evaluate accelerate timm
+```
+
+## Önceden eğitilmiş modeller
+
+Her önceden eğitilmiş model üç temel sınıftan türetilir.
+
+| **Sınıf** | **Açıklama** |
+|---|---|
+| [`PreTrainedConfig`] | Dikkat başlığı sayısı veya kelime hazinesi boyutu gibi model özelliklerini belirten bir dosya. |
+| [`PreTrainedModel`] | Yapılandırma dosyasındaki model özellikleri tarafından tanımlanan bir model (veya mimari). Önceden eğitilmiş bir model yalnızca ham gizli durumları döndürür. Belirli bir görev için, ham gizli durumları anlamlı bir sonuca dönüştürmek üzere uygun model başlığını kullan (örneğin, [`LlamaModel`] ile [`LlamaForCausalLM`] karşılaştırması). |
+| Ön işleyici | Ham girdileri (metin, görüntü, ses, multimodal) modele sayısal girdilere dönüştüren bir sınıf. Örneğin, [`PreTrainedTokenizer`] metni tensörlere, [`ImageProcessingMixin`] ise pikselleri tensörlere dönüştürür. |
+
+Her görev ve makine öğrenmesi çerçevesi için uygun mimariyi otomatik olarak çıkarsadığından, modelleri ve ön işleyicileri yüklemek için [AutoClass](./model_doc/auto) API'sini kullanmanı öneririz.
+
+Hub'dan ağırlıkları ve yapılandırma dosyasını model ve ön işleyici sınıfına yüklemek için [`~PreTrainedModel.from_pretrained`] kullan.
+
+Bir model yüklerken, modelin en uygun şekilde yüklenmesini sağlamak için aşağıdaki parametreleri yapılandır.
+
+- `device_map="auto"` model ağırlıklarını otomatik olarak en hızlı cihazına atar.
+- `dtype="auto"` model ağırlıklarını doğrudan depolandıkları veri tipinde başlatır; bu da ağırlıkların iki kez yüklenmesini önlemeye yardımcı olabilir (PyTorch, ağırlıkları varsayılan olarak `torch.float32` ile yükler).
+
+```py
+from transformers import AutoModelForCausalLM, AutoTokenizer
+
+model = AutoModelForCausalLM.from_pretrained("meta-llama/Llama-2-7b-hf", dtype="auto", device_map="auto")
+tokenizer = AutoTokenizer.from_pretrained("meta-llama/Llama-2-7b-hf")
+```
+
+Metni tokenizer ile tokenleştir ve PyTorch tensörleri olarak döndür. Çıkarsamayı hızlandırmak için varsa modeli bir hızlandırıcıya taşı.
+
+```py
+model_inputs = tokenizer(["The secret to baking a good cake is "], return_tensors="pt").to(model.device)
+```
+
+Model artık çıkarsama veya eğitim için hazır.
+
+Çıkarsama için, tokenleştirilmiş girdileri metin üretmek üzere [`~GenerationMixin.generate`] fonksiyonuna geçir. Token kimliklerini [`~PreTrainedTokenizerBase.batch_decode`] ile tekrar metne çevir.
+
+```py
+generated_ids = model.generate(**model_inputs, max_length=30)
+tokenizer.batch_decode(generated_ids)[0]
+' The secret to baking a good cake is 100% in the preparation. There are so many recipes out there,'
+```
+
+> [!TIP]
+> Bir modeli nasıl ince ayarlayacağını öğrenmek için [Trainer](#trainer-apisi) bölümüne atla.
+
+## Pipeline
+
+[`Pipeline`] sınıfı, önceden eğitilmiş bir modelle çıkarsama yapmanın en kolay yoludur. Metin üretimi, görüntü segmentasyonu, otomatik konuşma tanıma, belge soru cevaplama ve daha birçok görevi destekler.
+
+> [!TIP]
+> Mevcut görevlerin tam listesi için [Pipeline](./main_classes/pipelines) API referansına bak.
+
+Bir [`Pipeline`] nesnesi oluştur ve bir görev seç. Varsayılan olarak, [`Pipeline`] belirli bir görev için varsayılan önceden eğitilmiş modeli indirir ve önbelleğe alır. Belirli bir model seçmek için model adını `model` parametresine geçir.
+
+
+
+
+Çıkarsama için uygun bir hızlandırıcıyı otomatik olarak algılamak üzere [`Accelerator`] kullan.
+
+```py
+from transformers import pipeline
+from accelerate import Accelerator
+
+device = Accelerator().device
+
+pipeline = pipeline("text-generation", model="meta-llama/Llama-2-7b-hf", device=device)
+```
+
+Daha fazla metin üretmek için [`Pipeline`]'a bir başlangıç metni ver.
+
+```py
+pipeline("The secret to baking a good cake is ", max_length=50)
+[{'generated_text': 'The secret to baking a good cake is 100% in the batter. The secret to a great cake is the icing.\nThis is why we\'ve created the best buttercream frosting reci'}]
+```
+
+
+
+
+Çıkarsama için uygun bir hızlandırıcıyı otomatik olarak algılamak üzere [`Accelerator`] kullan.
+
+```py
+from transformers import pipeline
+from accelerate import Accelerator
+
+device = Accelerator().device
+
+pipeline = pipeline("image-segmentation", model="facebook/detr-resnet-50-panoptic", device=device)
+```
+
+[`Pipeline`]'a bir görüntü (URL veya yerel dosya yolu) geçir.
+
+
+
+
+
+