nanogpt

tarafından firecrawl

Eğitim amaçlı GPT uygulaması, yaklaşık 300 satır. OpenWebText üzerinde GPT-2'yi (124M) yeniden üretir. Transformer'ları öğrenmek için temiz, hacklenebilir kod. Andrej Karpathy tarafından.

npx skills add https://github.com/firecrawl/ai-research-skills --skill nanogpt

nanoGPT - Minimalist GPT Training

Quick start

nanoGPT is a simplified GPT implementation designed for learning and experimentation.

Installation:

pip install torch numpy transformers datasets tiktoken wandb tqdm

Train on Shakespeare (CPU-friendly):

# Prepare data
python data/shakespeare_char/prepare.py

# Train (5 minutes on CPU)
python train.py config/train_shakespeare_char.py

# Generate text
python sample.py --out_dir=out-shakespeare-char

Output:

ROMEO:
What say'st thou? Shall I speak, and be a man?

JULIET:
I am afeard, and yet I'll speak; for thou art
One that hath been a man, and yet I know not
What thou art.

Common workflows

Workflow 1: Character-level Shakespeare

Complete training pipeline:

# Step 1: Prepare data (creates train.bin, val.bin)
python data/shakespeare_char/prepare.py

# Step 2: Train small model
python train.py config/train_shakespeare_char.py

# Step 3: Generate text
python sample.py --out_dir=out-shakespeare-char

Config (config/train_shakespeare_char.py):

# Model config
n_layer = 6          # 6 transformer layers
n_head = 6           # 6 attention heads
n_embd = 384         # 384-dim embeddings
block_size = 256     # 256 char context

# Training config
batch_size = 64
learning_rate = 1e-3
max_iters = 5000
eval_interval = 500

# Hardware
device = 'cpu'  # Or 'cuda'
compile = False # Set True for PyTorch 2.0

Training time: ~5 minutes (CPU), ~1 minute (GPU)

Workflow 2: Reproduce GPT-2 (124M)

Multi-GPU training on OpenWebText:

# Step 1: Prepare OpenWebText (takes ~1 hour)
python data/openwebtext/prepare.py

# Step 2: Train GPT-2 124M with DDP (8 GPUs)
torchrun --standalone --nproc_per_node=8 \
  train.py config/train_gpt2.py

# Step 3: Sample from trained model
python sample.py --out_dir=out

Config (config/train_gpt2.py):

# GPT-2 (124M) architecture
n_layer = 12
n_head = 12
n_embd = 768
block_size = 1024
dropout = 0.0

# Training
batch_size = 12
gradient_accumulation_steps = 5 * 8  # Total batch ~0.5M tokens
learning_rate = 6e-4
max_iters = 600000
lr_decay_iters = 600000

# System
compile = True  # PyTorch 2.0

Training time: ~4 days (8× A100)

Workflow 3: Fine-tune pretrained GPT-2

Start from OpenAI checkpoint:

# In train.py or config
init_from = 'gpt2'  # Options: gpt2, gpt2-medium, gpt2-large, gpt2-xl

# Model loads OpenAI weights automatically
python train.py config/finetune_shakespeare.py

Example config (config/finetune_shakespeare.py):

# Start from GPT-2
init_from = 'gpt2'

# Dataset
dataset = 'shakespeare_char'
batch_size = 1
block_size = 1024

# Fine-tuning
learning_rate = 3e-5  # Lower LR for fine-tuning
max_iters = 2000
warmup_iters = 100

# Regularization
weight_decay = 1e-1

Workflow 4: Custom dataset

Train on your own text:

# data/custom/prepare.py
import numpy as np

# Load your data
with open('my_data.txt', 'r') as f:
    text = f.read()

# Create character mappings
chars = sorted(list(set(text)))
stoi = {ch: i for i, ch in enumerate(chars)}
itos = {i: ch for i, ch in enumerate(chars)}

# Tokenize
data = np.array([stoi[ch] for ch in text], dtype=np.uint16)

# Split train/val
n = len(data)
train_data = data[:int(n*0.9)]
val_data = data[int(n*0.9):]

# Save
train_data.tofile('data/custom/train.bin')
val_data.tofile('data/custom/val.bin')

Train:

python data/custom/prepare.py
python train.py --dataset=custom

When to use vs alternatives

Use nanoGPT when:

  • Learning how GPT works
  • Experimenting with transformer variants
  • Teaching/education purposes
  • Quick prototyping
  • Limited compute (can run on CPU)

Simplicity advantages:

  • ~300 lines: Entire model in model.py
  • ~300 lines: Training loop in train.py
  • Hackable: Easy to modify
  • No abstractions: Pure PyTorch

Use alternatives instead:

  • HuggingFace Transformers: Production use, many models
  • Megatron-LM: Large-scale distributed training
  • LitGPT: More architectures, production-ready
  • PyTorch Lightning: Need high-level framework

Common issues

Issue: CUDA out of memory

Reduce batch size or context length:

batch_size = 1  # Reduce from 12
block_size = 512  # Reduce from 1024
gradient_accumulation_steps = 40  # Increase to maintain effective batch

Issue: Training too slow

Enable compilation (PyTorch 2.0+):

compile = True  # 2× speedup

Use mixed precision:

dtype = 'bfloat16'  # Or 'float16'

Issue: Poor generation quality

Train longer:

max_iters = 10000  # Increase from 5000

Lower temperature:

# In sample.py
temperature = 0.7  # Lower from 1.0
top_k = 200       # Add top-k sampling

Issue: Can't load GPT-2 weights

Install transformers:

pip install transformers

Check model name:

init_from = 'gpt2'  # Valid: gpt2, gpt2-medium, gpt2-large, gpt2-xl

Advanced topics

Model architecture: See references/architecture.md for GPT block structure, multi-head attention, and MLP layers explained simply.

Training loop: See references/training.md for learning rate schedule, gradient accumulation, and distributed data parallel setup.

Data preparation: See references/data.md for tokenization strategies (character-level vs BPE) and binary format details.

Hardware requirements

  • Shakespeare (char-level):

    • CPU: 5 minutes
    • GPU (T4): 1 minute
    • VRAM: <1GB
  • GPT-2 (124M):

    • 1× A100: ~1 week
    • 8× A100: ~4 days
    • VRAM: ~16GB per GPU
  • GPT-2 Medium (350M):

    • 8× A100: ~2 weeks
    • VRAM: ~40GB per GPU

Performance:

  • With compile=True: 2× speedup
  • With dtype=bfloat16: 50% memory reduction

Resources

firecrawl tarafından daha fazla skill

oracle
firecrawl
oracle CLI kullanımı için en iyi uygulamalar (istemci + dosya paketleme, motorlar, oturumlar ve dosya ekleme desenleri).
official
firecrawl-monitor
firecrawl
Bir web sitesindeki içerik değiştiğinde algılayın ve webhook veya e-posta ile bildirim alın — cron işleri, kazıyıcılar veya diff betikleri gerekmez. Kullanıcı bir sayfadaki değişiklikleri takip etmek, rakip fiyatlandırmasını izlemek, yeni iş ilanları veya blog yazıları için uyarı almak, dokümantasyon/değişiklik günlüğü/durum sayfalarını izlemek istediğinde veya "izle", "takip et", "gözetle", "X değiştiğinde beni uyar", "X değişirse bildir", "bana ping at", "şu olduğunda e-posta gönder" veya "webhook gönder" dediğinde bu beceriyi kullanın.
officialweb-scrapingresearch
firecrawl-deep-research
firecrawl
Firecrawl ile çok kaynaklı derin araştırma yapın. Kullanıcı bir konuyu araştırmak, perspektifleri karşılaştırmak, kaynaklı bir brifing hazırlamak, teknik veya pazar sorusunu incelemek ya da birçok kaynaktan web kanıtlarını sentezlemek istediğinde kullanın.
officialresearchweb-scraping
firecrawl-research-papers
firecrawl
Firecrawl ile araştırma makaleleri, teknik raporlar, PDF'ler ve akademik kaynakları bulun ve sentezleyin. Kullanıcının literatür taraması, makale özeti, araştırma haritası veya PDF'ler ile akademik/endüstriyel yayınlardan kaynaklı sentez istediğinde kullanın.
officialresearchweb-scraping
firecrawl-market-research
firecrawl
Firecrawl ile pazar, finansal, kazanç, sektör ve şirket metriklerini çıkarın. Kullanıcı pazar araştırması, sektör trendleri, halka açık şirket verileri, finansal karşılaştırmalar, kazanç araştırması veya yapılandırılmış pazar raporları istediğinde kullanın.
officialresearchweb-scraping
firecrawl-website-design-clone
firecrawl
Herhangi bir web sitesinin tasarım sistemini, Firecrawl tarama kanıtlarını kullanarak ajan uyumlu bir DESIGN.md dosyasına çıkarın. Kullanıcının bir web sitesinden renkler, yazı tipleri, boşluklar, bileşenler, düzen desenleri veya marka/arayüz rehberliği istediği ve yapay zeka ajanlarının yeni web siteleri oluşturması, bir görünümü klonlaması veya bu tasarımdan ilham alarak sayfalar inşa etmesi için kullanın.
officialdesignweb-scraping
firecrawl-knowledge-base
firecrawl
Firecrawl ile web içeriğinden bir bilgi tabanı oluşturun. Yerel referans dokümanları, RAG uyumlu parçalar, ince ayar veri kümeleri, dokümantasyon yansımaları, konu derlemleri veya web kaynaklarından düzenlenmiş LLM uyumlu işaretleme metinleri için kullanın.
officialweb-scrapingresearch
firecrawl-lead-research
firecrawl
Firecrawl ile toplantı öncesi potansiyel müşteri istihbarat özetleri oluşturun. Kullanıcının bir satış görüşmesi, ortaklık toplantısı, yatırımcı konuşması veya müşteri görüşmesi öncesinde şirket araştırması, kişi araştırması, güncel haberler, konuşma noktaları, sorunlu noktalar veya iletişim hazırlığına ihtiyaç duyduğu durumlarda kullanın.
officialresearchweb-scraping