Create app.py

app.py

@@ -0,0 +1,96 @@
+# ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
+# SECUREPYTHO با Unsloth — 100% امن + توکن مخفی
+# فقط Run All بزن — توکن رو ازت می‌گیره و هیچ جا نشون نمی‌ده
+# ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
+
+# ۱. نصب Unsloth
+import subprocess
+print("نصب Unsloth و کتابخونه‌ها...")
+subprocess.run([
+    "pip", "install", "-q", 
+    "unsloth[colab-new]@git+https://github.com/unslothai/unsloth.git"
+], check=True, stdout=subprocess.DEVNULL, stderr=subprocess.DEVNULL)
+
+subprocess.run([
+    "pip", "install", "-q", "--no-deps",
+    "xformers<0.0.27", "trl", "peft", "accelerate", "bitsandbytes"
+], check=True, stdout=subprocess.DEVNULL, stderr=subprocess.DEVNULL)
+
+# ۲. گرفتن توکن از کاربر (کاملاً مخفی!)
+from getpass import getpass
+from huggingface_hub import login
+
+token = getpass("🤫 توکن Hugging Face (Write) رو وارد کن و Enter بزن (هیچ جا نشون داده نمی‌شه): ")
+login(token=token)
+print("✅ لاگین شدی داداش!")
+
+# ۳. آپلود دیتاست
+from google.colab import files
+print("دیتاست JSONL یا CSV رو آپلود کن...")
+uploaded = files.upload()
+
+# ۴. فاین‌تیون با Unsloth
+from unsloth import FastLanguageModel
+import torch
+from datasets import load_dataset
+from trl import SFTTrainer
+from transformers import TrainingArguments
+
+repo_name = "alikayh/SecurePytho"  # عوض کن اگه خواستی
+
+# مدل 8B اما فقط 6 گیگ رم!
+model, tokenizer = FastLanguageModel.from_pretrained(
+    model_name = "unsloth/llama-3-8b-bnb-4bit",
+    max_seq_length = 2048,
+    dtype = None,
+    load_in_4bit = True
+)
+
+model = FastLanguageModel.get_peft_model(
+    model,
+    r = 64,
+    target_modules = ["q_proj", "k_proj", "v_proj", "o_proj",
+                      "gate_proj", "up_proj", "down_proj"],
+    lora_alpha = 128,
+    lora_dropout = 0.05,
+    bias = "none",
+    use_gradient_checkpointing = "unsloth",
+    random_state = 42,
+)
+
+# دیتاست
+filename = list(uploaded.keys())[0]
+if filename.endswith(".csv"):
+    dataset = load_dataset("csv", data_files=filename)["train"]
+else:
+    dataset = load_dataset("json", data_files=filename)["train"]
+
+trainer = SFTTrainer(
+    model = model,
+    tokenizer = tokenizer,
+    train_dataset = dataset,
+    dataset_text_field = "text",
+    max_seq_length = 2048,
+    args = TrainingArguments(
+        per_device_train_batch_size = 4,
+        gradient_accumulation_steps = 8,
+        warmup_steps = 10,
+        learning_rate = 2e-4,
+        fp16 = True,
+        logging_steps = 10,
+        output_dir = repo_name,
+        optim = "adamw_8bit",
+        seed = 42,
+        num_train_epochs = 3,
+        push_to_hub = True,
+        hub_model_id = repo_name,
+        report_to = "none",
+    ),
+)
+
+print("شروع فاین‌تیون با Unsloth — فقط ۸–۱۰ دقیقه صبر کن داداش!")
+trainer.train()
+
+print("تموم شد! SecurePytho آماده‌ست و روی HF آپلود شد:")
+print(f"https://huggingface.co/{repo_name}")
+print("توکنت هیچ جا ذخیره نشد — 100% امن!")