развёртка ёмкости до 100 тыс. клеток и замер вывода на GPU

docs/EXPERIMENTS.md

@@ -368,6 +368,40 @@ numba являются ламина и оценка движения — вме
 * Реалистичная планка для предмета размером с человека на прямом участке — **около
   200 м**, и путь к ней измерен выше: накопление плюс карта.
 
+### 7.4. Стоит ли переносить вывод на GPU
+
+На машине проверки RTX 4070 Ti Super, драйвер 580.173.02 (CUDA до 13.0), toolkit 12.9.
+Рассогласование toolkit колёсам PyTorch не мешает — они несут свой CUDA runtime, — так
+что технически перенос возможен. Вопрос в том, что он даёт. Время кадра по стадиям, один
+процесс, свободная машина, 390 кадров трёх записей:
+
+| стадия | мс | доля |
+|---|---:|---:|
+| lobula — кластеризация с учётом глубины | 15.3 | 35 % |
+| ego — собственное движение | 6.4 | 15 % |
+| lamina — центр-окружение на трёх масштабах | 6.0 | 14 % |
+| retina — проекция облака на решётку | 5.3 | 12 % |
+| corridor — ось пути | 4.5 | 10 % |
+| stabilize | 4.0 | 9 % |
+| память тоннеля, веерное тело, считывание MBON, треки, решение | 1.9 | 4 % |
+| **всего, медиана / p95** | **43.1 / 49.0** | из 100 |
+
+Под видеокарту годится только ламина — это фильтры по сетке 128 × 600. Остальные 80 %
+времени — связные компоненты и подгонка геометрии к сотням точек: нерегулярная работа с
+ветвлениями, которую GPU не ускоряет, а копирование туда-обратно только замедлит.
+
+Ламину на CUDA проверили на 49 реальных кадрах (реализация сокомандника,
+`F.avg_pool2d` вместо `uniform_filter`): 5.8 мс на процессоре, **2.9 мс** на RTX 5070 Ti
+с копированием образа на карту и результата обратно. Совпадение не побитовое: ON-канал
+расходится на 1·10⁻⁵, а в 60 пикселях из 3.76 млн (0.0016 %) выбирается другой масштаб —
+при равных откликах решает порядок суммирования.
+
+Итог: перенос сэкономил бы около 3 мс из 43 при бюджете 100, а взамен потребовал бы
+другого контейнера (наш собран на `ros:humble-ros-base-jammy`, без CUDA), установленного
+у жюри nvidia-container-toolkit и запуска с `--gpus all`. Отказ любого из трёх звеньев —
+это не медленный кадр, а не запустившееся решение. **Вывод остаётся на CPU**, видеокарта
+— для обучения.
+
 ---
 
 ## 8. Что не сработало
@@ -1104,6 +1138,23 @@ reflectivity. Ламбертова модель описывала физику
 20 000 клеток дают ту же AUC (0.9859 и 0.9850 против 0.9860), а в худшем кадре
 стоят 2.8 и 7.3 мс вместо 1.5 — платить не за что.
 
+Позднее развёртку продолжили до 100 000 клеток на полной выборке (214 958
+кандидатов), leave-one-bag-out:
+
+| клеток | AUC | обстановки при 95 % предметов |
+|---|---:|---:|
+| **4 000** | **0.9829** | **9.89 %** |
+| 20 000 | 0.9815 | 10.85 % |
+| 50 000 | 0.9794 | 11.73 % |
+| 100 000 | 0.9791 | 11.79 % |
+
+Больше клеток — **хуже**, и монотонно. Активных после торможения APL всегда сто,
+поэтому с ростом популяции каждая клетка становится специфичнее, и код превращается
+в справочник по обучающим записям, который на невиданной записи обобщает хуже. Узкое
+место не в ёмкости, а во входе: бустинг по тем же 23 признакам даёт 0.9927, то есть
+запас есть, но лежит в признаках. Для сравнения, у мухи около двух тысяч клеток
+Кеньона на полушарие.
+
 Проверка — leave-one-bag-out, отдельная модель на каждую складку. Без этого
 сквозные цифры были бы ложными: считывание увидело бы проверяемый бэг ровно
 так же, как память тоннеля, обученная на всём подряд.