Рефакторинг: единообразие оформления кода (пробелы, кавычки, пустые строки), без изменения логики по всему проекту.

experiments/shared/data.py

@@ -10,17 +10,17 @@ from .configs import TRAIN_TEXTS, PATHS
 def load_training_data(split_ratio: float = 0.8) -> Tuple[List[str], List[str]]:
     """
     Загружает данные для обучения и разделяет на train/validation.
-    
+
     Args:
         split_ratio: Доля данных для обучения
-        
+
     Returns:
         Tuple: (train_texts, val_texts)
     """
     train_size = int(len(TRAIN_TEXTS) * split_ratio)
     train_data = TRAIN_TEXTS[:train_size]
     val_data = TRAIN_TEXTS[train_size:]
-    
+
     return train_data, val_data
 
 
@@ -28,13 +28,13 @@ def ensure_directories():
     """Создает необходимые директории если они не существуют."""
     directories = [
         "checkpoints",
-        "checkpoints/gpt-bpe", 
+        "checkpoints/gpt-bpe",
         "checkpoints/hf-bpe-tokenizer",
         "checkpoints/hf-trained",
         "checkpoints/hf-trained-proxy",
-        "logs"
+        "logs",
     ]
-    
+
     for directory in directories:
         os.makedirs(directory, exist_ok=True)
 
@@ -42,33 +42,34 @@ def ensure_directories():
 def get_model_paths(experiment_type: str = "llm_only") -> dict:
     """
     Возвращает пути для конкретного типа эксперимента.
-    
+
     Args:
         experiment_type: Тип эксперимента ('llm_only' или 'hf_integration')
-        
+
     Returns:
         dict: Словарь с путями
     """
     base_paths = PATHS.copy()
-    
+
     if experiment_type == "hf_integration":
-        base_paths.update({
-            "model": base_paths["hf_model"],
-            "tokenizer": base_paths["hf_tokenizer"]
-        })
+        base_paths.update(
+            {"model": base_paths["hf_model"], "tokenizer": base_paths["hf_tokenizer"]}
+        )
     else:  # llm_only
-        base_paths.update({
-            "model": base_paths["gpt_bpe_model"],
-            "tokenizer": base_paths["bpe_tokenizer"]
-        })
-    
+        base_paths.update(
+            {
+                "model": base_paths["gpt_bpe_model"],
+                "tokenizer": base_paths["bpe_tokenizer"],
+            }
+        )
+
     return base_paths
 
 
 def print_experiment_info(experiment_name: str, config: dict):
     """
     Выводит информацию о запускаемом эксперименте.
-    
+
     Args:
         experiment_name: Название эксперимента
         config: Конфигурация эксперимента
@@ -85,35 +86,35 @@ def print_experiment_info(experiment_name: str, config: dict):
 def save_experiment_results(results: dict, filepath: str):
     """
     Сохраняет результаты эксперимента в файл.
-    
+
     Args:
         results: Словарь с результатами
         filepath: Путь для сохранения
     """
     import json
-    
-    with open(filepath, 'w', encoding='utf-8') as f:
+
+    with open(filepath, "w", encoding="utf-8") as f:
         json.dump(results, f, ensure_ascii=False, indent=2)
-    
+
     print(f"✅ Результаты эксперимента сохранены: {filepath}")
 
 
 def load_experiment_results(filepath: str) -> dict:
     """
     Загружает результаты эксперимента из файла.
-    
+
     Args:
         filepath: Путь к файлу с результатами
-        
+
     Returns:
         dict: Загруженные результаты
     """
     import json
-    
+
     if not os.path.exists(filepath):
         return {}
-    
-    with open(filepath, 'r', encoding='utf-8') as f:
+
+    with open(filepath, "r", encoding="utf-8") as f:
         return json.load(f)
 
 
@@ -121,42 +122,39 @@ class ExperimentLogger:
     """
     Логгер для экспериментов.
     """
-    
+
     def __init__(self, experiment_name: str):
         self.experiment_name = experiment_name
         self.metrics = {}
-    
+
     def log_metric(self, name: str, value: float):
         """Логирует метрику."""
         if name not in self.metrics:
             self.metrics[name] = []
         self.metrics[name].append(value)
         print(f"📈 {name}: {value:.4f}")
-    
+
     def log_step(self, step: int, loss: float, **kwargs):
         """Логирует шаг обучения."""
         print(f"📊 Step {step}: loss={loss:.4f}", end="")
         for key, value in kwargs.items():
             print(f", {key}={value:.4f}", end="")
         print()
-    
+
     def log_epoch(self, epoch: int, train_loss: float, val_loss: float = None):
         """Логирует завершение эпохи."""
         print(f"🎯 Epoch {epoch}: train_loss={train_loss:.4f}", end="")
         if val_loss is not None:
             print(f", val_loss={val_loss:.4f}", end="")
         print()
-    
+
     def save_logs(self, filepath: str):
         """Сохраняет логи эксперимента."""
         import json
-        
-        logs = {
-            "experiment_name": self.experiment_name,
-            "metrics": self.metrics
-        }
-        
-        with open(filepath, 'w', encoding='utf-8') as f:
+
+        logs = {"experiment_name": self.experiment_name, "metrics": self.metrics}
+
+        with open(filepath, "w", encoding="utf-8") as f:
             json.dump(logs, f, ensure_ascii=False, indent=2)
-        
+
         print(f"✅ Логи эксперимента сохранены: {filepath}")