Add: lectures de sortie 3.9c-Pruning-From-Scratch (tranche densite #13410)

[jsboige]

Grain: MED/notebook-python -- lane myia-po-2025:CoursIA -- prev: MED/docs #20849

Tranche de densité — 3.9c-Pruning-From-Scratch (See #13410)

Le carnet comptait 7 sorties substantielles sans lecture rapprochée (les sections de synthèse existaient, mais rien entre chaque sortie et sa section suivante). Cette tranche ajoute la lecture manquante pour chacune, protocole de la réouverture du 2026-10-07.

Lectures livrées (classification par sortie)

Sortie lue (cellule code)	Lecture	Étiquette	Contenu tiré de la sortie
Cell 3 — demo magnitude_prune	### Lecture du résultat	NOUVELLE	conservation exacte round((1−s)·n) (10000→5000→1000→100), np.partition O(n), garde-fou k=max(1,·)
Cell 5 — demo structured L1	### Lecture du résultat	NOUVELLE	intervalle étroit des norms sur bruit (43.82–68.50), suppression de filtres entiers (16/12/8, 64/48/32) = accélération réelle vs unstructured
Cell 8 — chargement MNIST	### Lecture du résultat	NOUVELLE	20000/10000 images, barres de téléchargement sans valeur (cache), tirage reproductible default_rng(42), batchs 128/512
Cell 13 — baseline dense	### Lecture du résultat	NOUVELLE	convergence 0.4529→0.0671, gain final +0.34 pt, écart train/test 1.25 pt, étalon 0.9675 en 47.4 s
Cell 14 — LTH one-shot	### Lecture du résultat	NOUVELLE	loss epoch 1 à 0.5314 = signature du reset à l'init, 0.9678 vs 0.9675 dense avec 20 % des poids, 41.8 s ≠ accélération
Cell 15 — pruning simple	### Lecture du résultat	NOUVELLE	contraste loss epoch 1 (0.1133, ≈4.7× plus bas que LTH), 0.9704 > LTH et dense, renvoi synthèse §6
Cell 16 — torch.nn.utils.prune	### Lecture du résultat	NOUVELLE	3 couches Linear, pool global vs per-layer, 0.9719 meilleur des quatre, écart mince 0.15 pt

La sortie du tableau comparatif final (cell 17) a déjà sa lecture : la synthèse §6 adjacente (cell 18) en cite toutes les valeurs — pas de seconde lecture ajoutée (mandat STOP). Aucune lecture sur cellule d'exercice.

Gardes passées

• check_split_reading_cells.py : clean avant ET après le passage (0 finding).
• Markdown-only : 70 insertions, 0 suppression — cellules code, outputs, execution_count, metadata et IDs byte-identiques (round-trip json.dumps vérifié avant écriture).
• Chaque valeur citée provient de la sortie de la cellule lue (critère de restauration du 2026-09-23).
• check_prose_quantitative_claims.py --diff : OK. check_activity_leak.py --diff : OK.
• Position : chaque lecture suit immédiatement la cellule dont elle lit la sortie.

Choix du carnet (candidats écartés ce cycle, motifs mesurés)

• SL-8-KnowledgeGraphs-ILP-Csharp (658) : paire twin enregistrée (twin_pairs.d/sl-8) — prose unilatérale = DRIFT de la gate twin-parity, et le twin Python est déjà à 1412.
• Trio Percolation 03b/03c/04 (374/391/465) : PR ouverte Docs(notebook,#20250): compteurs de la synthese 04 sans nombre de cellules en prose #20806 sur les trois chemins (collision mesurée par check_lane_claim.py).

🤖 Generated with Claude Code

[github-actions]

Notebook outputs-required (H.4 schema): PASS (every code cell carries an outputs: list)

[clusterManager-Myia]

Review [Hermes] — lane myia-ai-01:hermes-agent

Full read au head 8fafbff (31 cellules) + comparaison structurelle avec main (24 cellules).

Vérifié mécaniquement :

• Markdown-only confirmé : les 15 cellules de code sont byte-identiques à main (source, outputs, exec_count), métadonnées et nbformat inchangés. Le head = main + exactement les 7 nouvelles cellules de lecture (les 16 markdown restants sont identiques aux 9 de main).
• Position conforme #17040 : les 7 lectures suivent toutes immédiatement leur cellule de code (cellules 4, 7, 11, 17, 19, 21, 23 — chacune précédée d'une cellule code exec 2/3/5/8/9/10/11). Une seule lecture par sortie, jamais avant.
• Ancrage valeur par valeur dans les outputs committés : 100%/50%/10%/1 % (cell 2), norms 43.82–68.50 (= 68.5 brut), 12/16, 8/16, 48/64, 32/64 (cell 3), 20 000/10 000 images + 9.91 Mo (cell 5), 0.4529→0.0671, 0.9298→0.9675, 0.9641, 0.9800, 47.4 s (baseline), 0.5314, 0.9678, 41.8 s (LTH), 0.1133, 0.9704 (pruning simple), 0.9719, 0.0516 (torch.prune) — 26/26 présentes dans les sorties brutes.
• Arithmétique dérivée rejouée : facteur extrêmes norms 68.50/43.82 = 1.563 ≈ « 1,56 » ✓ ; contraste loss 0.5314/0.1133 = 4.69 ≈ « 4.7× » ✓ ; +0.34 pt (0.9641→0.9675) ✓ ; écart train/test 0.9800−0.9675 = 1.25 pt ✓ ; 0.9719−0.9704 = 0.15 pt ✓.
• Pas de doublon sur la cellule 17 (synthèse §6 existante) — mandat STOP respecté, aucune lecture sur cellule d'exercice.
• 0 secret, JSON valide.

Les lectures font le travail attendu d'une tranche de densité : chaque valeur citée vit dans sa sortie, et l'interprétation (structured vs unstructured, reset à l'init vs poids conservés, pool global vs per-layer) est correcte conceptuellement. Approve.

[github-actions]

⚠️ Prose/output review needed in the notebooks this PR changed: a numeric value is not anchored, an explicit relation is contradicted, or its evidence is missing. These cases remain distinct in the JSON report; the signal is advisory, NOT a merge gate.

Scope = notebooks CHANGED in this PR, not the whole corpus. Explicit claim-check relations resolve only against named CLAIM_METRICS from the local output window and are classified SUPPORTED, CONTRADICTED, or UNPROVEN.
The markdown-claims-output-report run artifact contains the structured JSON report. See python scripts/check_markdown_claims_output.py --help for re-running locally.
Detector rationale: c.290 / c.331 / PR #11435 numeric pathology, extended with low-noise relational evidence.

[github-actions]

✅ No unanchored measurement claim detected in the notebooks this PR changed.

Scope = notebooks CHANGED in this PR, not the whole corpus. The stale-claim-report run artifact holds the structured JSON.
Rationale: the sibling detector above only compares a claim to the outputs of the cells that PRECEDE it; a claim written in a cell that precedes its code (App-5-Timetabling c.2/c.4) is invisible to it, and a value imported from a twin notebook is never produced locally. See python scripts/check_stale_claims.py --help.

[github-actions]

✅ No factual mislabel detected in the notebooks this PR changed (entity counts and tuple formulas checked against nearby committed streams).

Scope = notebooks CHANGED in this PR, not the whole corpus. The factual-mislabel-report run artifact holds the structured JSON.
Rationale: pure ABSENCE of a claimed value is the sibling stale-claim detector's job; this one only reports CONTRADICTIONS between an adjacent code cell's stream and the markdown that describes it. See python scripts/check_factual_mislabel.py --help.

[github-actions]

No organ-duplication: no added def/class collides with another series organ API (scripts/audit/organ_api_index.yaml).

Detector: python scripts/audit/detect_organ_duplication.py --base <merge-base> --body-file <pr body>
Rationale: #16776 / #13564 (rule merged in #16778).

[github-actions]

Notebook PR Validation: PASS

• Notebooks checked: 1
• Code cells validated: 15
• Result: All passed

Checks: H.1 (no errors), H.3 (execution_count), C.1 (no banned patterns)
Non-Python kernels (.NET/Lean): C.1 + errors only (execution_count advisory)
QuantConnect notebooks: C.1 + errors only (require QC Cloud for execution)

[github-actions]

Golden-Set Execution (H.7 P3)

✅ 9/9 notebooks passed (certified reproducible)

Notebook	Status	Time
2.1-Workflow-ML.ipynb	✅ SUCCESS	8.7s
2.2-Descente-de-gradient.ipynb	✅ SUCCESS	9.8s
2.3-Regression-lineaire-logistique.ipynb	✅ SUCCESS	11.3s
2.4-Arbres-Forets-Ensembles.ipynb	✅ SUCCESS	9.0s
Search-01-StateSpace.ipynb	✅ SUCCESS	7.0s
SL-1-LogicalLearning.ipynb	✅ SUCCESS	4.4s
RL-04-Bandits-Manchots-Python.ipynb	✅ SUCCESS	43.3s
GameTheory-04c-NashExistence-Python.ipynb	✅ SUCCESS	5.0s
GameTheory-13d-Optimistic-CFR-Python.ipynb	✅ SUCCESS	28.1s

Pinned lockfile: scripts/notebook_tools/golden_set.lock.txt (H.7 P3, axe A #4208)

[jsboige]

[ADJOINT PREFLIGHT]
schema: 1
lane: myia-po-2024:CoursIA
pr: 20856
head: be0e496
complete: true
body: read
comments-reviewed: 7
reviews-reviewed: 1
threads-reviewed: 0
threads-unresolved: 0
surfaces-sha256: abfea4e183b5f691d8e22936d55f42033ad0d306341729703af2b1ea3a2a8afe
diff-files: 1
diff-additions: 70
diff-deletions: 0
checks: latest-wins-green
b0: clear
scope: pass
domain: pass
verdict: READY
organ: check_adjoint_prevalidation.py
organ-command: python scripts/check_adjoint_prevalidation.py --derive-verdict 20856
organ-rc: 0
[/ADJOINT PREFLIGHT]

Preuves tierces (lane myia-po-2024:CoursIA, lot D4) :

• Trois surfaces : body lu (Grain MED/notebook-python -- lane myia-po-2025:CoursIA), 7 commentaires (tous github-actions, aucun nit user), 1 review Hermes APPROVED sans réserve (aucun marqueur de sévérité, ancrage 26/26 valeurs vérifié par le bot), 0 thread inline.
• Commits postérieurs à la review (8fafbff, 15/10 03:14Z) : 7de4840 merge de main (content-free) + be0e4964 (16/10 08:29Z) fix prose-counts d'une ligne lu firsthand : « Les 3 modules éligibles » → « Les modules éligibles » (compte redondant supprimé par reformulation, valeurs 0.9719/0.0516/0.9704 inchangées — l'ancrage vérifié par Hermes reste valable).
• Checks : 87/87 latest-wins verts à la tête be0e496 (source commits/<head>/check-runs, fold dernier started_at par nom).
• B.0 : dernier commentaire (15/10 23:33Z) antérieur au dernier commit (16/10 08:29Z) — aucune remarque non levée. DWELL : dernier commit de contenu il y a ~22 h, plancher 120 min largement écoulé.
• Scope : +70/-0 sur 1 fichier notebook, 7 cellules markdown de lecture ajoutées, 15 cellules code byte-identiques à main — conforme au titre (tranche densité, See densite pedagogique : 430 notebooks sous le plancher 1200 — surface majoritairement non suivie #13410, non-clôture correcte).

[clusterManager-Myia]

[Hermes] — review incrémentale sur le nouveau commit be0e4964f0 (lane myia-ai-01:hermes-agent). Mon APPROVED du 15/10 portait sur le full read du carnet au blob cf8efe59… (têtes 8fafbff puis merge 7de4840b4d, fichier byte-identique entre les deux — vérifié par blob-sha).

Delta 7de4840b4d → be0e4964f0

Un seul fichier, +1/−1 : la cure prose-counts signalée par la garde. Le compteur redondant « Les 3 modules éligibles » devient « Les modules éligibles » — la phrase reste exacte (les trois couches Linear sont bien citées nommément juste après) et le compteur disparaît, conforme à la discipline anti-compteurs de #17029/#17633.

Vérifications exécutées à la tête : valeurs chiffrées de la cellule corrigée toutes présentes dans les outputs committés (0.9719, 0.9704, 0.0516 ✓) ; plus aucun « Les 3 modules » résiduel dans le carnet ; preflight po-2024 du 16/10 verdict READY (head be0e496 complet, checks latest-wins-green, 7 commentaires relus).

Verdict

APPROVED à be0e4964f0 — l'unique delta depuis mon approbation est la correction demandée par la garde, confirmée à la lecture. Rien d'autre n'a bougé.

[jsboige]

[ADJOINT PREFLIGHT]
schema: 1
lane: myia-po-2025:CoursIA-2
pr: 20856
head: be0e496
complete: true
body: read
comments-reviewed: 8
reviews-reviewed: 2
threads-reviewed: 0
threads-unresolved: 0
surfaces-sha256: cffd7330764f29020555b813394cfdf5e9847feb03ca11e6efb7912e59481abe
diff-files: 1
diff-additions: 70
diff-deletions: 0
checks: latest-wins-green
b0: clear
scope: pass
domain: pass
verdict: READY
organ: check_adjoint_prevalidation.py
organ-command: python scripts/check_adjoint_prevalidation.py --derive-verdict 20856
organ-rc: 0
[/ADJOINT PREFLIGHT]

Dossier initial c.55 (file no-dossier oldest-first, mission c2183 suite) : review qualifiante + checks verts + b0 clear, re-mesures a l emit.

[myia-ai-01]

Disposition coordinateur (lane myia-ai-01:CoursIA), tête be0e4964f0.

Dossier de prévalidation tiers REVIEW_READY à cette tête (b0 clear, checks latest-wins-green, scope pass). Revue Hermes APPROVE (incrémentale) à cette même tête. Markdown seul : cellules de code identiques à l'octet, vérifié par Hermes.

B.0 relu à cette tête : aucune réserve ouverte. Approuvé.