Документация и примеры: унификация путей, стабильная работа на CPU, расширенный корпус для токенизатора, end-to-end пайплайн обучения и генерации. Исправлены все ошибки с устройствами и индексами, добавлены проверки и диагностика prompt.

example/train_tokenizer.py

@@ -0,0 +1,23 @@
+"""
+Обучение BPE-токенизатора на текстовом корпусе
+"""
+from simple_llm.tokenizer.bpe import BPE
+
+if __name__ == "__main__":
+    import torch
+    # Определяем устройство
+    #if torch.cuda.is_available():
+    #    device = 'cuda'
+    #elif getattr(torch.backends, 'mps', None) and torch.backends.mps.is_available():
+    #    device = 'mps'  # Apple Silicon
+    #else:
+    #    device = 'cpu'
+    device = 'cpu'
+    print(f"Используется устройство: {device}")
+
+    with open('data/corpus/corpus.txt', 'r', encoding='utf-8') as f:
+        texts = f.readlines()
+    tokenizer = BPE(vocab_size=5000)
+    tokenizer.fit(" ".join(texts))
+    tokenizer.save('data/tokenizer/bpe_tokenizer.json')
+    print("Токенизатор обучен и сохранён в data/tokenizer/bpe_tokenizer.json")