Record R2 first-fit cost acceptance and concurrent CPU queue launch

This commit is contained in:
Frank14f committed 2026-11-15 09:55:59 +08:00
1 parent f560a3d5e1
commit 90ba5cc9b4
17 files changed
+2091

No files matched your search

+8
View File
@@ -1,5 +1,13 @@
# S2 当前执行接续记录
## 当前双队列:神经92182持续,独立R2首fit通过并继续(09:55核查)
R2执行器固定 `f560a3d5e1d915b7f73d7c0bc5742ad05a251ce2`,10项新检查PASS。唯一R2 session51525/coordinatorPID237829,根 `artifacts/s2-r2-main-2026-11-15`,合同SHA `edec86197769f44bf98f234795950f36c9fa42084ccb3c68448b63b440aa126e`,同617 roster。首fit f0/p25/lr.05/leaves31/200轮已guardPASS,workerCPU21.929337s、fitCPU7.789711311s、wall23.154846s、RSS373100544B;三线程库均实际1线程。首fit投影18685.543199CPU秒(约5.19h)<100h,自动继续4workers,CPU8/10/12/14,coord30–31。第一成本是外推,不是最终耗时或精度保证。
Claude1794707190.141609明确:final只重fit同learning pool,不并validation;HPO失败配置单独NA并列原因,从完成配置选最佳,tie按固定grid顺序,只有12全部失败或final失败才整格NA。已实施,不能沿我此前已撤回的整格失败建议。最多180HPO+15final,单fit1800CPU秒、总360000workerCPU秒,零重试。当前神经92182/PID223006仍运行,首3配对块6runPASS及第四块N PASS,第四块E尚运行,尚未越首8屏障;未改其源码。
两队列均不得重复启动,131准备已终态更不得重启。R2根actual-start-audit、first-fit-cost-check、job-000回执和实时progress为依据;所有90+15终态并统一固定检查点后才托管测试预测评分,当前尚未进入该阶段。下文“R2尚未实现/启动”均为历史状态。
## 当前唯一主矩阵:四V100真实训练已启动(09:36启动、09:37实证)
固定执行器 `e3fa0af79a9bd4ecf74015e14a706fab0ea231a7`,17项合成检查PASS。唯一session92182/coordinatorPID223006,根 `artifacts/s2-main-matrix-2026-11-15`;合同SHA `198e5711ed2e7485167068769652c866867229e09ecf0d09b21612debc3b7a56`,绑定617 roster SHA `fb0c984f2e553343a598ce2e3c7012d3017053dc0fef58b5aaf46dd3c67a207e`。四真实GPU工作者223127/223141/223131/223145已观察到epoch1训练;依次f0pool25seed0/1/2的N128与f0pool50seed0的N128,每块随后执行配对E。各GPU亲和[0,1]/[2,3]/[4,5]/[6,7],CPU8–31保留给后续R2。不能只凭入口标记断言模型完成,当前仍0终态块。