2 Commits

Include renames

Author	SHA1	Message	Date
Shaun ZhouandClaude Opus 5	141cb907f2	feat: 支持 cuda / mps / cpu 三后端，Mac 上可用 MPS 训练 ... 移除"训练必须有 Nvidia GPU"的硬性守卫，改为按后端能力分派。 - utils/device: resolve_device("auto") 按 cuda > mps > cpu 挑最快的可用后端； 显式指定不可用的后端时直接报错，不会悄悄退回 CPU——训练慢几十倍却不吭声是最坏的情况 - AMP 随后端取默认值：CUDA 开、MPS 关。MPS 上 autocast 数值正常但实测更慢 （tiny_conv @128²：fp32 76 ms/步、fp16 90 ms、bf16 108 ms），需要时 amp: true 可强开 - PeakMemory 统一显存峰值统计：CUDA 读内置计数器，MPS 无峰值 API 改用逐 step 采样 （是下界，日志与产出里已标注） - profile_inference 支持 MPS，并提示 torch.profiler 没有 MPS 的 ProfilerActivity， 算子明细只反映 CPU 侧下发耗时 - train.py / eval.py 新增 --device，配置默认改为 auto - check_env 改为列出全部可用后端与 auto 的选择结果 实测：tiny_conv 训练在 MPS 上比 CPU 快约 32 倍。 Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>	2026-09-02 21:43:35 +08:00
Shaun ZhouandClaude Opus 5	f4eff8beee	feat(utils): 配置继承、注册表、日志与 Nvidia GPU 守卫 ... - config: yaml `_base_` 继承 + 深度合并 + 命令行 `--set a.b.c=value` 覆盖，检测循环引用 - registry: 组件按名注册与构建，模型/数据集共用 - device: require_cuda() 守卫，按 CLAUDE.md 约定禁止在无 Nvidia GPU 的设备上训练； 评估与导出走 resolve_device() 允许 CPU - labels: multilabel / multiclass 两种图像级标签形式的共用定义 - logging / seed: 控制台+文件日志、随机种子与 cudnn 确定性 Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>	2026-09-02 17:54:55 +08:00