GitHub · karpathy/nanochat↑ +321 aujourd'hui

Outil d'entraînement de modèles d'intelligence artificielle

karpathy/nanochat est un framework logiciel expérimental développé pour entraîner des grands modèles de langage (LLM) et capable de s'exécuter sur une seule unité de traitement graphique (GPU). Couvrant les processus de tokenisation, de pré-entraînement, de réglage fin (fine-tuning), d'évaluation et d'inférence, ce projet offre aux développeurs une structure minimale et modifiable.

★ 59 998
Python
GitHub Trending · 2026-11-03

Ce que ça vous apporte

Vous permet d'entraîner un modèle d'intelligence artificielle sur une seule unité de traitement graphique.
Vous permet de gérer les étapes de génération de texte via la ligne de commande.
Offre des options d'installation flexibles pour différents types de matériel.

Installation

Installation des dépendances

uv sync --extra gpu    # Use for CUDA (A100/H100/etc.)
uv sync --extra cpu    # (or) Use for CPU-only / MPS
source .venv/bin/activate

Exécution

Démarrer le processus d'entraînement

bash runs/speedrun.sh

Discuter avec le modèle

python -m scripts.chat_cli

Si vous ne codez pas

Collez ceci dans votre agent (Claude Code · Codex · Antigravity)

Je souhaite installer et exécuter l'outil d'intelligence artificielle nommé nanochat. Tout d'abord, installez les dépendances et activez l'environnement virtuel en utilisant la commande uv sync --extra gpu # Use for CUDA (A100/H100/etc.) uv sync --extra cpu # (or) Use for CPU-only / MPS source .venv/bin/activate. Ensuite, lancez le processus avec la commande bash runs/speedrun.sh et, une fois terminé, interagissez avec le modèle en exécutant python -m scripts.chat_cli.

Dépôt : https://github.com/karpathy/nanochat. Base-toi sur les instructions officielles du fichier README de ce dépôt pour l'installation et l'exécution.

Avant de commencer, vérifie quel système d'exploitation nous utilisons et si les outils nécessaires (ex: Python, Node.js, Git, Docker) sont installés. Installe ceux qui manquent étape par étape selon ce système.

Crée un nouveau dossier vide pour travailler. Ne touche pas aux fichiers en dehors de ce dossier et ne supprime rien. Avant chaque commande, décris ce que tu vas faire en une phrase.

Dis-moi ce que je devrais voir à l'écran à la fin de chaque étape. Si une erreur survient, je te copierai le message d'erreur tel quel et nous la corrigerons ensemble.

Termes liés du glossaire

Pour quiDestiné aux développeurs qui souhaitent entraîner et tester de grands modèles de langage à partir de zéro.

LicenceMIT

Liens

TreScout n'a pas développé cet outil · nous l'avons repéré dans les tendances GitHub et présenté. Cette page décrit le dépôt tel qu'il était le 2026-11-03 : Le nombre d'étoiles et notre texte datent de ce jour, le dépôt a pu changer depuis. Consultez le lien du dépôt pour l'état actuel. Le texte de présentation a été préparé avec l’IA à partir de la propre documentation du dépôt et cette page a été traduite automatiquement depuis l’original turc · la version turque fait foi.