File size: 7,463 Bytes
4dbc907 c5dc6bb 4dbc907 c5dc6bb 4dbc907 | 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 | #!/usr/bin/env python3
"""67_publicar_v070.py — Publicação da v0.7.0 no HF (UM ÚNICO upload_folder
organizado — o HF bloqueia envios parciais em sequência e em curto espaço
de tempo; uma única operação atômica evita o bloqueio).
Fases:
1. inventário da conta + APAGAMENTO de estados de treino remanescentes;
2. varredura local do VALOR do token (nenhum arquivo pode contê-lo);
3. UM ÚNICO upload_folder (sem estados — checkpoints regeneráveis via
scripts 61/56);
4. verificação pós-upload (0 estados, módulos-chave presentes, contagem);
5. varredura REMOTA do valor do token (baixa e inspeciona os arquivos).
Token: EXCLUSIVAMENTE via variável de ambiente HF_TOKEN (nunca em arquivo).
"""
import os, sys, tempfile
ARQUIVOS_EXCLUIR_DIRS = {"target", ".cargo", "__pycache__", ".git", ".venv",
"skills", "externos"}
ARQUIVOS_EXCLUIR_NOME = {"shard_treino.jsonl", "shard_validacao.jsonl",
"bpe.json", "rustup-init.sh"}
SUFIXOS_ESTADO = (".pt", ".pth", ".ckpt", ".safetensors", ".bin", ".npz",
".msgpack")
NOMES_ESTADO = {"gerador_conceitos.json", "tokenizador_conceitos.json",
"gerador_aritmetica.json"}
def coletar(pasta):
arquivos = {}
for raiz, dirs, fs in os.walk(pasta):
dirs[:] = [d for d in dirs if d not in ARQUIVOS_EXCLUIR_DIRS]
for f in fs:
if f in ARQUIVOS_EXCLUIR_NOME or f in NOMES_ESTADO:
continue
if f.endswith(SUFIXOS_ESTADO):
continue
if f.endswith(".so") or f in (".gitignore", "Cargo.lock.ori"):
continue
if f.startswith("hf_") or f.startswith("intros_"):
continue # scripts de análise externa (não fazem parte)
caminho = os.path.join(raiz, f)
rel = os.path.relpath(caminho, pasta)
arquivos[rel] = caminho
return arquivos
def varre_token_em_arquivos(token, pares):
tb = token.encode()
achados = []
for rel, p in pares.items():
try:
with open(p, "rb") as f:
if tb in f.read():
achados.append(rel)
except OSError:
pass
return achados
def main():
from huggingface_hub import HfApi
token = os.environ.get("HF_TOKEN")
if not token:
print("ERRO: HF_TOKEN ausente"); sys.exit(1)
api = HfApi(token=token)
repo = "PowerMachine/khtst-rust"
# ---------------- 1) inventário da conta + apaga estados ----------------
print("=== 1) inventário da conta HF (procura estados de treino) ===")
repos = list(api.list_models(author="PowerMachine"))
print(f"repos: {len(repos)}")
total_removidos = 0
for r in repos:
try:
files = api.list_repo_files(repo_id=r.id, repo_type="model")
except Exception as e:
print(f" {r.id}: erro ao listar ({e})"); continue
estados = [f for f in files
if f.endswith(SUFIXOS_ESTADO)
or f.split("/")[-1] in NOMES_ESTADO
or (".meta.json" in f and "checkpoint" in f)]
if estados:
print(f" {r.id}: APAGANDO {len(estados)} estados")
for f in estados:
api.delete_file(path_in_repo=f, repo_id=r.id, repo_type="model")
total_removidos += len(estados)
else:
print(f" {r.id}: {len(files)} arquivos, 0 estados")
print(f"estados removidos no total: {total_removidos}")
# ---------------- 2) varredura local do token ----------------
pasta = os.path.dirname(os.path.dirname(os.path.abspath(__file__)))
arquivos = coletar(pasta)
print(f"\n=== 2) varredura local: {len(arquivos)} arquivos ===")
achados = varre_token_em_arquivos(token, arquivos)
if achados:
print(f"ERRO: valor do token encontrado em: {achados}"); sys.exit(1)
print("varredura de token local: limpa")
import subprocess
home = os.path.expanduser("~")
try:
saida = subprocess.run(
["grep", "-rl", token, home, "--include=*.py", "--include=*.json",
"--include=*.md", "--include=*.sh", "--include=*.toml"],
capture_output=True, text=True, timeout=120)
if saida.stdout.strip():
print(f"ERRO: token no home: {saida.stdout.strip()}"); sys.exit(1)
except Exception:
pass
print("varredura do home: limpa")
# ---------------- 3) UM ÚNICO upload_folder ----------------
# FILTRO por ignore_patterns (glob) — NUNCA passar ignore_patterns=None:
# o upload_folder subiria a pasta INTEIRA (target/, estados, .so —
# lição v0.7.0: o primeiro envio subiu 1 971 arquivos e precisou de
# delete_folder de recuperação).
ignores = (
[f"{d}/**" for d in ARQUIVOS_EXCLUIR_DIRS]
+ [f"{d}" for d in ARQUIVOS_EXCLUIR_DIRS]
+ list(ARQUIVOS_EXCLUIR_NOME) + list(NOMES_ESTADO)
+ list(SUFIXOS_ESTADO)
+ ["*.so", ".gitignore", "hf_*.py", "hf_*.json", "intros_*.json"]
)
print(f"\n=== 3) upload_folder ÚNICO ({len(arquivos)} arquivos) ===")
api.upload_folder(
repo_id=repo, repo_type="model", folder_path=pasta,
ignore_patterns=ignores, commit_message="v0.7.0: FNH gate de punição + "
"árvore de pesos indexada (arestas duplas) + quebra-cabeça do "
"Pensamento + NLP/NLG + decodificador especulativo + auto-ajuste SOM "
"limitado + correções v070-1/2/3 — 73/73 gates, 84/84 cargo, "
"provas r-28..r-32",
)
print("upload concluído")
# ---------------- 4) verificação pós-upload ----------------
print("\n=== 4) verificação pós-upload ===")
files = api.list_repo_files(repo_id=repo, repo_type="model")
estados = [f for f in files if f.endswith(SUFIXOS_ESTADO)
or f.split("/")[-1] in NOMES_ESTADO]
assert not estados, f"estados publicados: {estados}"
chaves = ["src/fnh.rs", "src/arvore_pesos.rs", "src/nlp.rs", "src/nlg.rs",
"src/pensamento.rs", "scripts/61_treino_v070.py",
"scripts/66_suite_v070.py",
"docs/memorias/r-28-analise-repos-design-v070.md",
"docs/memorias/r-32-resultados-v070.md",
"resultados/suite_v070_final.json"]
faltando = [c for c in chaves if c not in files]
assert not faltando, f"faltando: {faltando}"
print(f"repo: {len(files)} arquivos | 0 estados | módulos-chave OK")
# ---------------- 5) varredura REMOTA do token ----------------
print("\n=== 5) varredura REMOTA do valor do token ===")
with tempfile.TemporaryDirectory() as tmp:
achados_remotos = []
for f in files:
if f.endswith((".py", ".rs", ".md", ".json", ".toml", ".sh", ".cfg",
".txt", ".jsonl")):
try:
p = api.hf_hub_download(repo_id=repo, repo_type="model",
filename=f, local_dir=tmp)
with open(p, "rb") as fh:
if token.encode() in fh.read():
achados_remotos.append(f)
except Exception:
pass
if achados_remotos:
print(f"ERRO: token remoto em: {achados_remotos}"); sys.exit(1)
print("varredura remota: limpa")
print("\nPUBLICAÇÃO v0.7.0 CONCLUÍDA")
if __name__ == "__main__":
main()
|