forked from Dan4ick/Lidar_Muxa
- flyguard/device.py: автоопределение NVIDIA GPU, сбор телеметрии и Graceful Fallback на CPU; - flyguard/lamina.py: ускорение 2D DoG фильтрации на тензорах PyTorch CUDA (0.25 мс вместо 8 мс); - flyguard/mbon_readout.py: векторизованный GPU-цикл обучения MBON без CPU-синхронизаций (поддержка 50k-100k клеток Кеньона); - flyguard/mushroom_body.py, flyguard/track_readout.py: аппаратное ускорение и опция GPU-бустинга; - flyguard/pipeline.py, tools/*.py: сквозная поддержка параметра device='auto' для всех инструментов; - Dockerfile.gpu, requirements-gpu.txt, docker-compose.yml: MLOps-инфраструктура под NVIDIA RTX 4070 Ti Super 16GB; - tests/test_pipeline.py: добавлены юнит-тесты на GPU device detection и роутинг ламины (40 тестов PASS). |
||
|---|---|---|
| .. | ||
| _bootstrap.py | ||
| _metrics.py | ||
| _parallel.py | ||
| ablation.py | ||
| analyze_corridor.py | ||
| analyze_gauge.py | ||
| analyze_geometry.py | ||
| check_obstacle.py | ||
| diagnose_fp.py | ||
| evaluate.py | ||
| extract_channel_table.py | ||
| inspect_bags.py | ||
| make_benchmark.py | ||
| make_training_set.py | ||
| plot_benchmark.py | ||
| probe_bag.py | ||
| run_pipeline.py | ||
| train_mbon.py | ||
| train_mushroom_body.py | ||
| train_track.py | ||
| tune_memory.py | ||
| validate_calibration.py | ||