Add model card

README.md

@@ -0,0 +1,53 @@
+---
+license: mit
+tags:
+  - reinforcement-learning
+  - ddpg
+  - diffusion
+  - gpt
+  - pytorch
+  - painting
+library_name: pytorch
+---
+
+# Mirabilia — Checkpoints
+
+Poids entraînés du projet **[Mirabilia_Painter](https://github.com/RaphGonz/Mirabilia_Painter)**,
+une réimplémentation de *"Learning to Paint"* (DDPG + renderer neuronal différentiable) et
+ses évolutions, documentées publiquement dans la série **Mirabilia**.
+
+Un agent RL apprend à peindre une image cible en posant des traits rectangulaires opaques
+sur une toile 64×64, guidé par un signal L2 incrémental.
+
+## Contenu du repo
+
+| Dossier | Modèle | Description |
+|---------|--------|-------------|
+| `painter/` | DDPG (le peintre) | `actor.pt`, `critic.pt`, `disc.pt`, `disc_target.pt`, `opt.pt` |
+| `llm/` | GPT decoder-only (from scratch) | `gpt.pt` (poids), `opt.pt` (optimiseur) par itération |
+| `diffusion/` | UNet (diffusion) | `unet.pt`, `unet_ema.pt`, `opt.pt` par époque |
+| `diffusion_cache/` | Embeddings | Embeddings texte précalculés (reproductibilité) |
+
+Chaque sous-dossier contient un checkpoint par étape d'entraînement
+(ex. `painter/ep_006000/`, `llm/iter_720000/`, `diffusion/ep_002000/`).
+
+Les fichiers `opt.pt` (états de l'optimiseur) ne sont utiles que pour **reprendre**
+un entraînement ; pour utiliser un modèle, seuls les poids (`actor.pt`, `gpt.pt`,
+`unet_ema.pt`) sont nécessaires.
+
+## Utilisation
+
+```python
+from huggingface_hub import hf_hub_download
+import torch
+
+# Exemple : charger le peintre DDPG final
+path = hf_hub_download(repo_id="RaphGonz/Mirabilia", filename="painter/ep_006000/actor.pt")
+state = torch.load(path, map_location="cpu")
+```
+
+Voir le dépôt GitHub pour l'architecture complète, l'environnement et les scripts d'entraînement.
+
+## Stack
+
+PyTorch 2.7 · CUDA 12.x · entraînement local (GPU NVIDIA).