# with 自动关闭文件with open("./train_data.txt", "r", encoding="utf-8") as f:    # 1. 读取全部内容    content = f.read()    print("全部内容：\n", content)    # 2. 逐行读取（适合大文件）    # f.readline()    # 3. 读取所有行，返回列表    # lines = f.readlines()

# 覆盖写入（w 模式）with open("model_config.txt", "w", encoding="utf-8") as f:    f.write("模型名称：LLM_Base\n")    f.write("学习率：0.001\n")# 追加写入（a 模式，训练日志专用）with open("model_config.txt", "a", encoding="utf-8") as f:    f.write("第1轮损失值：0.32\n")

# 读取模型权重文件with open("llm_model.pth", "rb") as f:    data = f.read()# 保存模型权重with open("llm_model_new.pth", "wb") as f:    f.write(data)

import os# 1. 获取当前工作目录print("当前路径：", os.getcwd())# 2. 创建文件夹os.makedirs("./model_log", exist_ok=True)# 3. 查看目录下所有文件file_list = os.listdir("./")print("文件列表：", file_list)# 4. 判断文件是否存在print(os.path.exists("train_data.txt"))# 5. 拼接路径（跨系统兼容）full_path = os.path.join("./data", "train.txt")

import osdef save_train_log(epoch, loss, acc, log_path="train_log.txt"):    """    保存训练日志    :param epoch: 训练轮数    :param loss: 损失值    :param acc: 准确率    """    # 自动创建日志文件，追加写入    with open(log_path, "a", encoding="utf-8") as f:        f.write(f"第{epoch}轮 | 损失：{loss:.4f} | 准确率：{acc:.4f}\n")# 模拟训练for i in range(1, 4):    save_train_log(i, 0.32-i*0.05, 0.7+i*0.05)print("日志保存完成！")

def copy_big_file(source, target, chunk=1024*1024):    """    大文件分块拷贝    :param source: 源文件    :param target: 目标文件    :param chunk: 每次读取大小    """    with open(source, "rb") as f1, open(target, "wb") as f2:        while True:            data = f1.read(chunk)            if not data:                break            f2.write(data)# 拷贝模型权重copy_big_file("llm_model.pth", "model_backup.pth")print("大文件拷贝完成！")