🤖 LLM Minimal - GPT-2 Small sur CPU

Projet pour créer et exécuter un LLM minimaliste basé sur GPT-2 Small, optimisé pour fonctionner sur CPU sans GPU.

🚀 Démarrage Ultra-Rapide

# 1. Installer
pip install -r requirements.txt

# 2. Lancer
python main.py

C'est tout ! Le menu interactif vous guide.

---

📚 Documentation

🚀 Démarrage

• QUICK_START.md - En 3 étapes
• docs/guides/GUIDE_COMPLET.md - Guide exhaustif

📁 Organisation

• docs/guides/ORGANISATION.md - Structure du projet
• docs/guides/SCRIPTS.md - Documentation des scripts

📖 Livre

• docs/LIVRE_LLM_MINIMAL_V2.md - Livre complet
• notebooks/Livre/ - Chapitres interactifs

🎓 Apprentissage

• docs/guides/EXPLICATION_LLM.md - Fonctionnement
• docs/guides/APPRENTISSAGE_LLM.md - Comment apprendre
• docs/guides/GUIDE_FINETUNING.md - Fine-tuning

🔧 Dépannage

• docs/guides/HALLUCINATIONS.md - Qualité
• docs/guides/TELECHARGEMENT.md - Téléchargement

---

📁 Structure du Projet

llm/
├── 📄 main.py                 # 🚀 Point d'entrée principal
├── 📄 README.md               # Documentation
├── 📄 requirements.txt        # Dépendances
│
├── 📁 scripts/                # Scripts exécutables
│   ├── chat/                  # 💬 Chat interactif
│   │   ├── chat_ameliore.py   # ⭐ Recommandé
│   │   ├── chat_entraine.py   # Modèle fine-tuné
│   │   └── run_chat.py        # Version simple
│   │
│   ├── training/              # 🎓 Entraînement
│   │   ├── apprendre_conversations.py
│   │   └── fine_tune_simple.py
│   │
│   ├── optimization/          # ⚡ Optimisation
│   │   ├── benchmark.py
│   │   ├── onnx_quantized.py
│   │   └── comparer_modeles.py
│   │
│   ├── api/                   # 🌐 Interfaces
│   │   ├── interface_web.py   # Gradio
│   │   └── api_serveur.py     # REST API
│   │
│   └── tools/                 # 🔧 Outils
│       ├── download_model.py
│       └── generer_texte.py
│
├── 📁 src/                    # Code source modulaire
│   ├── models/                # Chargement & config
│   ├── inference/             # Génération & chat
│   └── training/              # Entraînement
│
├── 📁 data/                   # Données
│   └── conversations/french/  # Données conversationnelles
│
├── 📁 docs/                   # Documentation complète
│   ├── guides/                # Guides détaillés
│   └── LIVRE_*.md             # Livre complet
│
├── 📁 notebooks/Livre/        # Chapitres interactifs
├── 📁 models_saved/           # Modèles sauvegardés
├── 📁 tests/                  # Tests
└── 📁 output/                 # Résultats

---

🧪 Commandes Rapides

# Menu interactif
python main.py

# Raccourcis directs
python main.py chat        # Chat
python main.py test        # Test installation
python main.py benchmark   # Benchmark
python main.py train       # Entraînement
python main.py web         # Interface web
python main.py api         # API REST
python main.py download    # Télécharger modèle

---

📊 Résultats Attendus

Modèle	Taille	Vitesse CPU	RAM
GPT-2 Small	500 Mo	~1 token/s	~2 Go
DistilGPT2	250 Mo	~2 tokens/s	~1.5 Go
DistilGPT2 (int8)	150 Mo	~4-5 tokens/s	~1 Go

---

🎯 Objectifs

• ✅ LLM fonctionnel et compact (< 200 Mo)
• ✅ Exécution efficace sur CPU
• ✅ Vitesse d'inférence raisonnable
• ✅ Fine-tuning possible
• ✅ Documentation complète

---

📝 Notes

• Les modèles sont téléchargés automatiquement depuis Hugging Face
• L'inférence sur CPU est plus lente qu'avec GPU, mais fonctionnelle
• Consultez docs/guides/GUIDE_COMPLET.md pour plus de détails