File size: 7,603 Bytes
2dc44f1 39f2f80 2dc44f1 | 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 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 | #!/usr/bin/env python3
"""74_publicar_v090.py — Publicação da v0.9.0 no HF (UM ÚNICO upload_folder
organizado — o HF bloqueia envios parciais em sequência; upload atômico).
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 com ignore_patterns EXPLÍCITOS;
4. verificação pós-upload (0 estados, módulos-chave presentes);
5. varredura REMOTA do valor do token;
6. apagamento dos estados de treino LOCAIS (checkpoints).
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) or f.endswith(".estado.json"):
continue
if f.endswith(".so") or f in (".gitignore", "Cargo.lock.ori"):
continue
if f.startswith("hf_") or f.startswith("intros_"):
continue
caminho = os.path.join(raiz, f)
arquivos[os.path.relpath(caminho, pasta)] = 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")
# ---------------- 3) UM ÚNICO upload_folder ----------------
ignores = (
[f"{d}/**" for d in ARQUIVOS_EXCLUIR_DIRS]
+ [f"{d}" for d in ARQUIVOS_EXCLUIR_DIRS]
# **/ : fnmatch literal NÃO casa subdiretórios (errata v0.9.0 — os
# estados locais vazaram na 1ª publicação em que existiam)
+ [f"**/{n}" for n in ARQUIVOS_EXCLUIR_NOME]
+ [f"**/{n}" for n in NOMES_ESTADO]
+ list(SUFIXOS_ESTADO)
+ ["*.so", ".gitignore", "hf_*.py", "hf_*.json", "intros_*.json",
"*.estado.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="v0.9.0: análise/prova/teste "
"das críticas de arquitetura Qwen3.8 (r-34) — skew O(n²) via "
"index_add (919× n=128, memória 2335×, bit-a-bit F-13/F-14), "
"calibrar zero-cópia (1,56×, F-15; premissa SIMD refutada no fonte "
"do candle), forward canônico (bug v080-1 fora da API pública, "
"oráculos preservados), FFI isolada em feature python (lib.rs "
"105kB→1,25kB; 107/107 sem Python; overhead medido 17,6%), "
"newtypes T-V1/T-V2 — 97/97 gates, treino real Wikipédia PT-BR",
)
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/python.rs", "src/tipos.rs", "src/fnh.rs",
"src/moe_redirecionavel.rs", "src/treino.rs",
"scripts/71_treino_v090.py", "scripts/72_suite_v090.py",
"scripts/73_telemetria_v090.py", "scripts/74_publicar_v090.py",
"docs/memorias/r-34-analise-provas-qwen-v090.md",
"resultados/suite_v090_final.json",
"resultados/treino_v090.json",
"resultados/telemetria_v090.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")
# ---------------- 6) apaga estados de treino LOCAIS ----------------
print("\n=== 6) estados de treino locais (checkpoints) ===")
apagados = 0
for nome in NOMES_ESTADO:
p = os.path.join(pasta, "resultados", nome)
if os.path.exists(p):
os.remove(p)
apagados += 1
print(f" apagado: resultados/{nome}")
print(f"locais apagados: {apagados}")
print("\nPUBLICAÇÃO v0.9.0 CONCLUÍDA")
if __name__ == "__main__":
main()
|