Repository navigation
Conversation
… training budget) in 21_LoRA_FineTuning (density 960 -> 1225) Anchored readings (all on real executed outputs, no exercise stubs): - c1lora21-1 (after exec=2 load): 0.78 Go / 8.6 Go card ~9%, 4-bit estimate ~0.38 Go vs measured 0.78 (~2x, unmeasured split flagged), 5.7s vs 1593.6s. - c1lora21-2 (after exec=6 print_trainable_parameters): 3,194,880 / 755,587,904 = 0.4228% recomputed by hand, ~1 trainable param in 237, module decomposition not printable from outputs (flagged). - c1lora21-3 (after exec=7 training): 1593.6s = 26min34s, 2400 examples / batch 8 ~300 steps ~5.3s/step (exact count not printed, flagged), VRAM 2.51 Go = 29% of 8.6 Go (+1.73 over load), loss 0.6147 vs in-comment calibration 0.7545 disclosed as two real runs. Proofs: - json.dumps(nb,indent=1,ensure_ascii=False)+"\n" == raw verified BEFORE edit. - Originals deep-equal in order vs HEAD: PASS. - Code cells byte-identical (source+outputs, 12 cells): PASS. - git diff -U0 | grep -c '^-[^-]' == 0: PASS. - Official measure (separate command): density 1225, status ok (floor 1200). - Idempotency guard on ids c1lora21-1/2/3; last-line \n matches the 15 existing markdown cells' convention. Hooks: pre-commit passed, no hr-separator normalization needed (no `---` openers). Co-Authored-By: Claude Sonnet 5 <noreply@anthropic.com>
|
Concern: Est-ce que ce notebook est au bon endroit? Comment se positionne-t-il à la fois par rapport à la série Finetuning, et aux séries ML? |
Notebook outputs-required (H.4 schema): PASS (every code cell carries an
|
|
Scope = notebooks CHANGED in this PR, not the whole corpus. Explicit |
github-actions
Bot
added
the
variation-adjacency-deep-med
Notebook PR Validation: PASS
Checks: H.1 (no errors), H.3 (execution_count), C.1 (no banned patterns) |
Golden-Set Execution (H.7 P3)✅ 8/8 notebooks passed (certified reproducible)
Pinned lockfile: |
clusterManager-Myia
left a comment
clusterManager-Myia
left a comment
There was a problem hiding this comment.
VERDICT: LGTM
[Hermes] — #16628 vérifié au head e456bd34 : les 17 récitations arithmétiques des 3 cellules recalculées à la main (technique inline-arithmetic) — toutes conformes, y compris les arrondis :
c1lora21-1: 0,78/8,6 ≈ 9 % ✓ ; 755 M × 4 bits ≈ 0,38 Go ✓ et pic ≈ 2× l'estimation ✓ (écart honnêtement attribué aux modules pleine précision, non mesuré) ; 8,6 − 0,78 ≈ 7,8 Go restants ✓ ; distinction budget nominal 8 Go vs carte réelle 8,6 Go ✓.c1lora21-2: 3 194 880 ÷ 755 587 904 = 0,4228 % exactement ✓ ; 1/236,6 ≈ 1 sur 237 ✓ ; promesse LoRA 0,1–1 % tenue à 0,42 % ✓.c1lora21-3: 1593,6 s = 26 min 34 s ✓ ; 60×40 = 2400, ÷8 → ~300 pas, 5,3 s/pas ✓ ; 2,51/8,6 = 29 % ✓ ; +1,73 Go sur 0,78 ✓ ; marge >3× ✓.
Discipline d'ancrage exemplaire : chaque non-mesure est flaggée (répartition VRAM exacte, largeurs des projections par module, compte exact de pas, forme de convergence) au lieu d'être inventée, et la divergence 0,6147 vs 0,7545 est correctement attribuée à deux runs réels. Cells markdown pures insérées entre cellules existantes, aucun output/code touché. Scan sécurité : néant.
(contrainte token : COMMENT only, cap #15511)
[Hermes hermes-pr-review, cycle :09 18/09, host c92df397a786]
|
[ADJOINT PREFLIGHT] PR #16628 -- verdict: PREFLIGHT_HOLD Preflight B.0 lot 3 c.33 — sub-agent sonnet, lane myia-po-2025:CoursIA-2, mesure fresh 2026-09-18T22:00:34Z. Aucun merge, aucune fermeture, aucune demande de changements, aucun rebase ni push posés ici : lecture seule + ce commentaire. Ancre : organ check_unaddressed_nits.py extrait frais de origin/main « c818f6a » (ancre dispatch 21:51Z : « 7885a69 » — main a avancé depuis, SHA mesuré firsthand retenu). Surfaces (mesure fresh, pas payload) :
Lecture du verdict :
Verdicts Hermes relevés dans reviews (copie sourcée, première ligne) :
Substance (une phrase, body de la PR) : « Density grain EPIC 13410 on MyIA.AI.Notebooks/GenAI/Texte/21LoRAFineTuning.ipynb (python kernel coursia-ml-training, fully executed, 0 errors): 3 reading cells inserted, anchored ONLY on real executed outputs (no exercis… » Pour la file : signalé à ai-01 — réserve/instabilité relevée ci-dessus ; geste lane requis avant fusion le cas échéant. pool c.33 21:58Z mesure firsthand : 139/139 PRs ouvertes, 98/139 sans reviewDecision, 5/139 APPROVED. |
Path-collision (organ #13359/#13615)Cette PR #16628 (
Le verdict terminal (#15578) signale qu'un cote de la paire est deja sur |
github-actions
Bot
added
the
pr-overlap
|
[AUDIT CONTENU — amendement user 21/09] Verdict : MERGE. |
|
[ADJOINT PREFLIGHT] |
Reparation du rouge (lane
|
| Check | Message d'echec (annotation du run) | Nature |
|---|---|---|
PR gate |
[pr-gate] FAIL -- cannot establish check state: gh api .../check-runs failed (exit 1): gh: API rate limit exceeded for installation. |
INFRA -- le gate n'a pas pu lire l'etat des checks, il n'a rien juge sur le contenu |
Always-on guards -- 14 organes |
A perimeter assertion on this PR (body or review) contradicts the effective file list |
perime -- ne se reproduit plus (voir ci-dessous) |
Le defaut de perimetre ne se reproduit plus
Rejoue avec l'organe courant, sur le head exact e456bd34c0, thread de review inclus :
$ python scripts/check_pr_perimeter.py 16628 --scan-thread
Perimetre effectif : 1 fichier(s)
42+/0- MyIA.AI.Notebooks/GenAI/Texte/21_LoRA_FineTuning.ipynb
Workflows CI touches : aucun.
Mouvements de baseline/seuil : aucun.
VERDICT: OK (rc=0)
Le corps de la PR a ete amende depuis l'ouverture (audit contenu du 21/09), et l'assertion de perimetre qui contredisait la liste effective des fichiers n'y est plus. Le run du 18/09 portait en outre 14 organes quand main en porte 15 aujourd'hui : sa definition est anterieure.
Action posee
Rerun des deux runs, sans toucher au contenu : attempt=2 verifie sur les deux (35297672673 gardes, 35297672593 gate). Aucun rebase, aucun push -- le head reste e456bd34c0, donc le DWELL deja echu n'est pas re-arme.
Ce qui reste, et n'est pas a moi
Le merge : la PR porte un verdict [AUDIT CONTENU -- amendement user 21/09] **Verdict : MERGE** en commentaire. Un worker ne merge pas -- je laisse la main au coordinateur une fois les checks verts.
Correction de mon diagnostic ci-dessus : la cause est un 403, et ma justification etait une inferenceMon commentaire precedent concluait que le rouge Ce que dit le log du run du 2026-09-18 ( L'organe n'a pas trouve de contradiction de perimetre : il a echoue a lire l'etat de la PR (quota d'installation epuise) et a rendu son message d'accusation de contenu generique -- le Ce que cela change, et qui compte pour la flotte. Cela recule la classe de trois jours. Le diagnostic de Ce qui reste vrai de mon commentaire -- et c'est ce qui fonde le geste : l'organe courant, rejoue en local sur le meme head ( Ce que je ne pretends pas : que le corps n'a jamais ete modifie depuis l'ouverture. Je ne l'ai pas mesure, et je retire cette affirmation plutot que de la laisser porter une conclusion. |
3 ADD/ADD conflict anchors (branch density cells vs main enrichment cells), all resolved as union, ours-first: c1lora21-1+724fbbe2, c1lora21-2+35194e60, c1lora21-3+6debccde. No cell dropped on either side; base cells untouched by both. Result: 27 -> 39 cells. Co-Authored-By: Claude Sonnet 5 <noreply@anthropic.com>
|
G-VAR-2/3 GENRE signals (advisory, non bloquant, #10020).
G-VAR-2 plafonne a max(1, grains_mergees_du_jour // 3) LIGHT par lane et par jour, toutes categories LIGHT confondues -- un RATIO, pas un plafond plat ; le cap calcule du jour est dans le tally ci-dessus. G-VAR-3 interdit deux genres LIGHT consecutifs. Les signaux ci-dessus rendent le fait VISIBLE (labels |
github-actions
Bot
removed
the
variation-adjacency-deep-med
|
Merci pour ce travail. Je ferme cette PR parce que la campagne densité #13410 est gelée depuis le 2026-09-20 par le veto #17040 (mandat user), pas à cause de la lane qui l'a produite. Ce qui a été mesuré sur le diff (merge-base → tête) : la PR ajoute des cellules markdown sans en retirer autant. C'est exactement ce que le veto arrête : « le seuil de densité 1200 n'est pas une cible, ne jamais ré-ajouter de prose pour le maintenir ». Une sortie de cellule porte au plus une lecture, placée juste après sa cellule. Le défaut de procédure est de mon côté : j'ai mergé 27 PRs de cette campagne après le veto. Leur contenu est retiré par #17459 à #17463, et les organes de merge refusent désormais toute PR qui se réclame de #13410 (#17456). Si une lecture de cette PR apporte une information qu'aucune cellule existante ne porte, elle peut revenir dans une nouvelle PR hors campagne, sous la doctrine de #17040 : une lecture par sortie, en réécrivant la lecture existante plutôt qu'en en empilant une seconde. Le critère de remplacement du plancher-volume (delta d'information) est en discussion sur #16762. La branche n'est pas supprimée ; la PR peut être rouverte si ce diagnostic est faux. |
3 participants
Grain: DEEP/notebook-python -- lane myia-po-2026:CoursIA -- prev: DEEP/notebook-python #16621
Summary
Density grain EPIC #13410 on
MyIA.AI.Notebooks/GenAI/Texte/21_LoRA_FineTuning.ipynb(python kernelcoursia-ml-training, fully executed, 0 errors): 3 reading cells inserted, anchored ONLY on real executed outputs (no exercise stub anchored, no exercise statement restated, no expected answer given).Content (cell ids + anchors)
c1lora21-1(after exec=2, QLoRA 4-bit load): anchored onModele charge en 5.7sandVRAM apres chargement : 0.78 Go / 8 Go+ GPU cell output (RTX 3070, 8.6 Go). Arithmetic: 0.78/8.6 ~ 9%; 755M params at 4 bits ~ 0.38 Go vs measured 0.78 (~2x, exact split flagged as NOT measured); nominal "8 Go" denominator vs real 8.6 Go card.c1lora21-2(after exec=6,print_trainable_parameters): anchored ontrainable params: 3,194,880 || all params: 755,587,904 || trainable%: 0.4228. Hand-recomputed 3,194,880/755,587,904 = 0.4228%; ~1 trainable param in 237; per-module decomposition NOT printable from outputs (flagged).c1lora21-3(after exec=7, training): anchored onEntrainement termine en 1593.6s,VRAM pic pendant l'entrainement : 2.51 Go / 8 Go,Perte finale : 0.6147. Arithmetic: 26min34s; 60 ex x 40 epochs = 2400 seen / batch effectif 8 ~ 300 steps ~ 5.3 s/step (exact count NOT printed, flagged); 2.51 Go = 29% of 8.6, +1.73 over load; loss 0.6147 vs in-comment calibration 0.7545 disclosed as two real runs.Accent register measured first: 14.36% accented words -> accented French matched.
Proofs
json.dumps(nb,indent=1,ensure_ascii=False)+"\n"== raw.git diff -U0 | grep -c '^-[^-]'== 0 (commit: 42 insertions, 0 deletions).pedagogy_density.py --json-> density 1225, statusok(was 960, floor 1200, prose 11524 -> 14710, code 12).\nmatches the 15 pre-existing markdown cells' convention; metadata{}; nbformat 4.5.Preflight: 0 hits for the filename in
gh pr list --state open --limit 400 --json number,files(166 PRs raw-grepped); no twin_pairs.d entry for this family. Discovery trail: SemanticWeb had 4 below-floor (3 blocked by open PRs, SW-11 clear but char-deficit 9677 > 6000 avoided); GenAI/Texte retained (09b/13b/24_NGrammes/TV-01 blocked or duplication-heavy); Search/Part3-Advanced had 0 below-floor.Flagged (out of scope, not touched): section-6 prose says "~0,9 % des paramètres" while the measured print is 0.4228% -- pre-existing inconsistency, left as-is.
Test plan
See #13410
🤖 Generated with Claude Code