train_model.py

from transformers import GPT2Tokenizer, GPT2LMHeadModel, Trainer, TrainingArguments, TextDataset, DataCollatorForLanguageModeling

# Charger le modèle et le tokenizer GPT-2
model_name = "gpt2"
tokenizer = GPT2Tokenizer.from_pretrained(model_name)
model = GPT2LMHeadModel.from_pretrained(model_name)

# Préparer ton dataset (assure-toi que 'train.txt' existe avec tes données)
def load_dataset(file_path, tokenizer, block_size=128):
    return TextDataset(
        tokenizer=tokenizer,
        file_path=file_path,
        block_size=block_size
    )

# Charger le dataset
train_dataset = load_dataset("train.txt", tokenizer)

# Préparer les arguments pour l'entraînement
training_args = TrainingArguments(
    output_dir="./thought_model",
    overwrite_output_dir=True,
    num_train_epochs=3,
    per_device_train_batch_size=2,
    save_steps=500,
    save_total_limit=2
)

# Préparer le data collator
data_collator = DataCollatorForLanguageModeling(
    tokenizer=tokenizer,
    mlm=False
)

# Lancer l'entraînement
trainer = Trainer(
    model=model,
    args=training_args,
    data_collator=data_collator,
    train_dataset=train_dataset
)

trainer.train()

# Sauvegarder le modèle fine-tuné
trainer.save_model("./thought_model")
tokenizer.save_pretrained("./thought_model")