دریافت فایل

دانلود TheTensorTune 1.0

یک زیپ: یک فایل پایتون، نیازمندی‌هایش و مستندات. چهار دستور از دانلود تا میزکار — که یکی‌اش هم cd است.

TheTensorTune_v1.0.zip

python TheTensorTune.py

دانلود زیپ
نسخه
1.0.0 (stable)
حجم
495 KB
مجوز
Apache-2.0
SHA-256
66b09ce82c74602f6884…

داخل زیپ TheTensorTune.py، INSTALL.md، LICENSE و requirements.txt است. همین — و برنامه به هیچ سروری هم وصل نمی‌شود.

قبل از شروع

سیستم شما به چه چیزی نیاز دارد

نیازحداقلپیشنهادی
پایتون۳.۱۰۳.۱۲
دیسکحدود ۲ گیگ برای اولین اجرا (کتابخانه‌ها + یک مدل کوچک)بیشتر، اگر مدل‌های بزرگ‌تر آموزش می‌دهید
سیستم‌عامللینوکس / مک / ویندوزلینوکس

نصب

چهار دستور تا میزکار

  1. 1

    ۱ · باز کردن و ورود

    زیپ را باز کنید و وارد پوشه شوید. محیط مجازی پایتون سراسری‌تان را تمیز نگه می‌دارد.

    unzip TheTensorTune_v1.0.zip -d thetensortune && cd thetensortune
python3 -m venv .venv
source .venv/bin/activate   # ویندوز: .venv\Scripts\activate
  2. 2

    ۲ · نصب شش وابستگی

    Flask میزکار را سرو می‌کند؛ torch و transformers و peft و accelerate آموزش را؛ و safetensors وزن‌ها را. لیست کامل همین است.

    pip install flask==3.1.3 torch transformers==5.17.0 peft==0.21.0 \
  accelerate==1.15.0 safetensors==0.8.0 "huggingface_hub>=0.30"
  3. 3

    ۳ · اجرا

    کل مرحله build همین است. میزکار روی یک پورت محلی آزاد باز می‌شود و پوشه‌های datasets/ و runs/ و یک فایل SQLite کوچک برای تاریخچه کنار فایل ساخته می‌شوند.

    python TheTensorTune.py
  4. 4

    ۴ · اولین قدم‌ها داخل برنامه

    اگر سیستم مشترک است TT_TOKEN را ست کنید، زبان را با کلید FA/EN عوض کنید و بعد Learn را باز کنید — دوره دوازده درسی از آن‌جا ادامه می‌دهد.

پیکربندی

متغیرهای محیطی

TT_TOKEN
توکن سرویس. وقتی ست شود، همه مسیرهای /api/* آن را می‌خواهند (هدر X-TT-Token). روی شبکه‌های مشترک همیشه ستش کنید.
TT_PORT
پورت HTTP. پیش‌فرض یک پورت آزاد به‌صورت خودکار انتخاب می‌شود.
TT_HOST
آدرس اتصال، پیش‌فرض 127.0.0.1. برای شبکه محلی: 0.0.0.0 — به‌همراه توکن، بدون استثنا.
TT_HEADLESS
1 = مرورگر باز نشود. برای سرورها و کانتینرها.
TT_DEBUG
1 = لاگ پرحرف‌تر.
TT_LLAMA_CPP
مسیر llama-quantize برای K-quantهایی مثل q4_k_m. f16 و q8_0 به آن نیاز ندارند.
TT_WEBHOOK_ALLOW_PRIVATE
1 = اجازه وب‌هوک به مقاصد خصوصی/لوکال، برای اتوماسیون صرفاً محلی.
HF_TOKEN
توکن Hugging Face برای مدل‌های gated. می‌توانید در بلوک Model هم بچسبانید؛ هرگز روی دیسک نوشته نمی‌شود.

نکات امنیتی

چه چیزهایی را محافظت می‌کند، به زبان ساده

  • 01شناسه دیتاست‌ها به پوشه datasets/ قفل شده — بدون path traversal.
  • 02همه HTMLها در سمت کلاینت escape می‌شوند؛ بدون XSS ذخیره‌شده.
  • 03وب‌هوک‌ها: فیلتر SSRF، حذف CRLF و امضای HMAC-SHA256 روی هر اعلان.
  • 04توکن‌ها با مقایسه زمان-ثابت چک می‌شوند و هرگز در query string یا لاگ ظاهر نمی‌شوند.
  • 05POSTهای مرورگر از نظر Origin در برابر CSRF بررسی می‌شوند.
  • 06توکن HF شما فقط در حافظه‌ی همان نشست می‌ماند — در تنظیمات ذخیره‌شده روی دیسک هرگز نوشته نمی‌شود.