File size: 6,696 Bytes
b287045 | 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 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 | """
train.py - البرنامج الرئيسي لتدريب نموذج XO.
الاستخدام: python train.py
يعتمد على: tokenizer.py و model.py
"""
import os
import json
import random
import numpy as np
from datasets import load_dataset
from transformers import DataCollatorWithPadding, Trainer, TrainingArguments
from sklearn.metrics import accuracy_score
# استيراد الدوال من الملفين المجاورين
from tokenizer import build_tokenizer, load_tokenizer
from model import build_model
# ------------------------------------------------
# توليد البيانات إن لم تكن موجودة
# ------------------------------------------------
def generate_dataset(output_file="xo_dataset.json", n_games=10000):
"""
تولد مباريات XO عشوائية وتحفظها كـ JSON Lines.
كل سطر: {"board": "X..O.....", "move": 4}
"""
def empty_board():
return ['.'] * 9
def legal_moves(board):
return [i for i, cell in enumerate(board) if cell == '.']
def make_move(board, pos, player):
new_board = board[:]
new_board[pos] = player
return new_board
def check_win(board, player):
wins = [
(0,1,2), (3,4,5), (6,7,8),
(0,3,6), (1,4,7), (2,5,8),
(0,4,8), (2,4,6)
]
return any(all(board[i] == player for i in combo) for combo in wins)
def random_game():
board = empty_board()
history = []
players = ['X', 'O']
turn = 0
while True:
player = players[turn % 2]
moves = legal_moves(board)
if not moves:
break
move = random.choice(moves)
if player == 'X':
history.append((''.join(board), move))
board = make_move(board, move, player)
if check_win(board, player):
break
turn += 1
return history
print(f"🔄 جاري توليد {n_games} مباراة عشوائية...")
all_samples = []
for _ in range(n_games):
all_samples.extend(random_game())
with open(output_file, 'w', encoding='utf-8') as f:
for board_str, move in all_samples:
f.write(json.dumps({"board": board_str, "move": move}) + '\n')
print(f"✅ تم إنشاء {len(all_samples)} عينة في {output_file}")
return output_file
# ------------------------------------------------
# تجهيز البيانات للتدريب
# ------------------------------------------------
def prepare_datasets(data_file, tokenizer):
"""
تحميل بيانات JSON، تقسيمها، تطبيق الترميز، وإرجاع مجمّع البيانات.
"""
dataset = load_dataset('json', data_files=data_file, split='train')
dataset = dataset.train_test_split(test_size=0.1)
train_dataset = dataset['train']
eval_dataset = dataset['test']
def preprocess_function(examples):
tokenized = tokenizer(
examples['board'],
truncation=True,
padding=False,
max_length=12,
)
tokenized['labels'] = examples['move']
return tokenized
train_dataset = train_dataset.map(
preprocess_function, batched=True, remove_columns=['board', 'move']
)
eval_dataset = eval_dataset.map(
preprocess_function, batched=True, remove_columns=['board', 'move']
)
train_dataset.set_format(type='torch', columns=['input_ids', 'attention_mask', 'labels'])
eval_dataset.set_format(type='torch', columns=['input_ids', 'attention_mask', 'labels'])
data_collator = DataCollatorWithPadding(tokenizer=tokenizer)
print(f"✅ بيانات التدريب: {len(train_dataset)} عينة | الاختبار: {len(eval_dataset)} عينة")
return train_dataset, eval_dataset, data_collator
# ------------------------------------------------
# التدريب
# ------------------------------------------------
def run_training(model, tokenizer, train_dataset, eval_dataset, data_collator):
"""
إعداد Trainer وتشغيل التدريب، ثم حفظ النموذج.
"""
# إصلاحات صغيرة للبيئة
os.environ["TENSORBOARD_LOGGING_DIR"] = "./logs"
import datasets.config
datasets.config.TORCHVISION_AVAILABLE = False
training_args = TrainingArguments(
output_dir="./xo_model",
num_train_epochs=5,
per_device_train_batch_size=64,
per_device_eval_batch_size=64,
eval_strategy="epoch",
save_strategy="epoch",
logging_dir="./logs",
logging_steps=100,
load_best_model_at_end=True,
metric_for_best_model="eval_loss",
)
def compute_metrics(eval_pred):
logits, labels = eval_pred
predictions = np.argmax(logits, axis=-1)
return {"accuracy": accuracy_score(labels, predictions)}
trainer = Trainer(
model=model,
args=training_args,
train_dataset=train_dataset,
eval_dataset=eval_dataset,
data_collator=data_collator,
compute_metrics=compute_metrics,
)
print("\n🚀 بدء التدريب...")
trainer.train()
# حفظ النموذج والـ Tokenizer
model.save_pretrained("./xo_model")
tokenizer.save_pretrained("./xo_tokenizer")
print("✅ تم حفظ النموذج والـ Tokenizer في ./xo_model و ./xo_tokenizer")
# ------------------------------------------------
# البرنامج الرئيسي
# ------------------------------------------------
def main():
# 1. ملف البيانات
data_file = "xo_dataset.json"
if not os.path.exists(data_file):
generate_dataset(data_file, n_games=10000)
else:
print(f"📂 تم العثور على ملف البيانات: {data_file}")
# 2. Tokenizer (بناء جديد أو تحميل موجود)
if not os.path.exists("./xo_tokenizer"):
tokenizer = build_tokenizer(save_path="./xo_tokenizer")
else:
tokenizer = load_tokenizer("./xo_tokenizer")
# 3. بناء النموذج
model = build_model(tokenizer)
# 4. تجهيز البيانات
train_dataset, eval_dataset, data_collator = prepare_datasets(data_file, tokenizer)
# 5. تدريب
run_training(model, tokenizer, train_dataset, eval_dataset, data_collator)
print("\n✨ تم الانتهاء من التدريب بنجاح.")
if __name__ == "__main__":
main() |