Upload source/CLAUDE.md with huggingface_hub

source/CLAUDE.md

@@ -0,0 +1,104 @@
+# CLAUDE.md
+
+This file provides guidance to Claude Code (claude.ai/code) when working with code in this repository.
+
+## 작업 원칙 — 팀플레이
+
+**병렬 처리 가능한 작업은 항상 서브 에이전트로 분배한다.**
+
+- 복잡한 코드 작성 / 설계 판단 → `model: sonnet`
+- 빠른 탐색 · 조회 · 간단한 파일 작성 → `model: haiku`
+- 에이전트 완료 후 결과 회수; 필요 시 `resume` 으로 재호출
+- 예: 모델 구현(sonnet) + 데이터 스크립트(sonnet) + 설정 파일(haiku) 동시 실행
+
+---
+
+## 프로젝트 목적
+
+소규모 LLM(Large Language Model) 실험 프로젝트.
+8× NVIDIA B200 GPU 환경에서 LLM **사전학습(pretraining)** 또는 **파인튜닝(fine-tuning)** 을 직접 구현하고 실험한다.
+
+---
+
+## 하드웨어 환경
+
+| 항목 | 사양 |
+|------|------|
+| GPU | 8× NVIDIA B200 (183 GB VRAM each, **~1.47 TB total**) |
+| RAM | 2.2 TB |
+| CUDA | 13.0 |
+| Storage (작업) | `/PROJECT/0325120031_A/ghong/taketimes/` → 3.5 TB, 여유 2.2 TB |
+| Storage (홈) | `/home/ghong` → 5 GB (소규모 코드만 저장) |
+
+**주의**: 체크포인트, 데이터셋 등 대용량 파일은 반드시 `/PROJECT/0325120031_A/ghong/taketimes/llm-bang/` 하위에 저장할 것. 홈 디렉토리(`/home/ghong`) 용량 초과 주의.
+
+---
+
+## 사전 설치된 라이브러리
+
+```
+torch          2.10.0a0+b4e4ee81d3.nv25.12   # NV 커스텀 빌드 (B200 최적화)
+flash_attn     2.7.4.post1+25.12              # FlashAttention-2 사용 가능
+datasets       4.4.1
+tokenizers     0.22.1
+huggingface_hub 1.2.3
+```
+
+> **경고**: PyTorch는 NVIDIA 커스텀 빌드(`nv25.12`)가 설치됨. `pip install torch` 로 재설치하면 B200 최적화가 깨질 수 있음 — PyTorch 재설치 금지.
+
+## 추가 설치 필요 라이브러리
+
+```bash
+pip install transformers accelerate peft trl deepspeed bitsandbytes sentencepiece wandb
+```
+
+---
+
+## 권장 프로젝트 구조
+
+```
+llm-bang/
+├── CLAUDE.md
+├── data/               # 학습 데이터 (원본 텍스트, 전처리 완료본)
+├── tokenizer/          # 토크나이저 학습·저장
+├── model/              # 모델 아키텍처 정의 (nn.Module)
+├── train/              # 학습 스크립트 (단일 GPU / DDP / FSDP)
+├── eval/               # 평가 스크립트 (perplexity, downstream task)
+├── configs/            # YAML/JSON 학습 설정 파일
+└── checkpoints/        # 모델 체크포인트 (대용량)
+```
+
+---
+
+## 멀티-GPU 학습 실행 패턴
+
+```bash
+# torchrun (DDP) — 8 GPU
+torchrun --nproc_per_node=8 train/pretrain.py --config configs/small_lm.yaml
+
+# 단일 GPU 테스트
+python train/pretrain.py --config configs/small_lm.yaml --device cuda:0
+
+# FSDP (모델 샤딩, 대형 모델)
+torchrun --nproc_per_node=8 train/pretrain.py --config configs/large_lm.yaml --strategy fsdp
+```
+
+---
+
+## 모델 규모 가이드 (하드웨어 기준)
+
+| 모델 크기 | 추천 전략 | 최소 GPU 수 |
+|-----------|-----------|------------|
+| ~1B param | DDP, bf16 | 1 GPU |
+| ~7B param | DDP 또는 FSDP, bf16 | 2–4 GPU |
+| ~13B param | FSDP, bf16/fp8 | 4 GPU |
+| ~70B param | FSDP + ZeRO-3, bf16/fp8 | 8 GPU |
+
+B200은 FP8 네이티브 지원 → 학습 시 `torch.float8_e4m3fn` 활용 가능.
+
+---
+
+## 참고 (이전 프로젝트)
+
+`/PROJECT/0325120031_A/ghong/taketimes/_deprecated/work/` — 2CRM 두께 실측값 예측(LightGBM, ClickHouse) 프로젝트.
+도메인 데이터(공장 센서, 코일 그레이드) 필요 시 참고.