# Актуальное продолжение — нативный MNIST AltAI, 2026-10-15 Сначала прочитать [полный новый отчёт](reports/2026-10-15-altai-native.md). Рабочая станция `user@10.9.8.230`, исходники `/home/user/KNP/mnist-altai-native`, runtime `/home/user/run/mnist-altai-native`, официальный backend1.0.2 `/home/user/run/altai-official-probe/extracted`. SSH только по просьбе пользователя, ключ `~/.ssh/id_ed25519_snw`. Не запускать других subagents: пользователь сообщил, что они сломаны; разрешён только astra-advisor. Все действия писать в журнал, отчёты сохранять на станции. Нативный граф:784 rate inputs →256 AltAILIF →160 opponent AltAILIF; host только нормализация/спайковый код/разность счётчиков/argmax. Full MNIST test10000:97,76% на KNP CPU и нашем CUDA, ВСЕ hidden/output counters exact. Официальный `AltAIv1_GoldenModel` backend1.0.2 проверен отдельно на первых1000:97,50%, все counters exact. Это8 независимых процессов со стандартным4×4 и2 копиями каждый. Другие конфигурации и физический чип не подтверждены. Экспериментальные GM8-копийные варианты дали неправильные counters, сохранены как FAILED; не использовать их метрики. Финальный GM executor запрещает replicas>2. Рабочая страница **http://10.9.8.230:8081/native_viz.html** вызывает настоящий C++ KNP CPU или официальный GM по переключателю. Старые8080/fast_viz.html (гибрид98,30%) и altai_viz.html сохранены с отдельными старыми моделями. Native server PID — runtime/web-server.pid, restart — source/README.md; автозапуска нет. Регрессия тройки test2534→3 проходит в CPU и GM API. Chromium mouse/touch/blank/clear/parity проверены. Истина: `final-summary.json`, `cpu-full-v3/VERIFIED.json`, `cuda-full/VERIFIED.json`, `gm-shards-v1/VERIFIED.json`. В wrapper нельзя повторно использовать непустой каталог; IDs, веса и binary hashes проверяются. Пакет модели/результатов/исходников — `native-model-and-proofs.tar.gz`, локальная копия в `reports/altai-native-artifacts`. Все локальные отчёты импортированы на станцию в `/home/user/KNP/reports/imported-neiro-2026-10-15` с manifest/checksums; последняя полная синхронизация подтвердила243 файла; SHA256 каждого совпал. Исходники не коммитили/не пушили. Ближайшие задачи: оценить устойчивость native сети на большем наборе нарисованных цифр/толщин; при необходимости улучшать только по train/validation; перенести удачные методы обучения/квантования на транспорт. Для одного запроса CPU быстрее и проще загрузки CUDA; CUDA ускоряет batch. Не приравнивать97,76% CPU к полному10000-прогону официального GM. --- Далее предыдущие этапы и история. При противоречиях актуален верхний раздел и новый отчёт. # Предыдущий этап — native Linux/GPU, 2026-10-15 Рабочая машина теперь `user@10.9.8.230`, проект `/home/user/KNP` (https://git.snw.su/int/our_knp, исходный HEAD8fe6c3a). SSH-ключ работает. Старый WSL заменён; адрес постоянный, старые пути /home/int и /mnt/c/KNP больше не считать актуальными. Подключаться только по запросу пользователя. Сначала прочитай [новую передачу и отчёт](reports/2026-10-15-native-gpu.md). На станции: `/home/user/KNP/NATIVE-LINUX.md`, `AGENTS.md`, `reports/2026-10-15/Отчёт_Linux_GPU.md`. Там свежая цель транспорта, разрешение offline-обучения, настоящий проверенный CUDA-бэкенд инференса, команды/ограничения и результаты завершённого pipeline. GPU-STDP не реализован; новый backend — integer AltAILIF/Delta. Pipeline завершён успешно (после исправления glob в загрузчике train counts и возобновления). KNP validation: 2850/4000 = 71,25%; официальный test не использовался. Полная сеть, 32 изображения: CPU 32,14 с, GPU 6,22 с wall (5,17×), counts и class CSV побайтно совпадают. Статус `/home/user/run/altai-objects/native-cuda/pipeline.json`; модель `model_readout` рядом. Локальные резервные копии исходных изменений, моделей и результатов: `reports/native-gpu-artifacts/`. Старый монитор SSH/переноса отменён и не возобновлялся. Журнал15октября — changes-2026-10-15.md. --- Ниже историческая передача14октября; она устарела по системе, путям и новым изменениям репозитория. # Продолжение работы KNP / AltAI Начать с [подробной передачи](experiments/cats-dogs/HANDOFF.md). Срез 2026-10-14: объектные эксперименты v1/v2 завершены; независимые CPU-прогоны ускорены и проверены; экспериментальная многопоточность медленнее; fast-кэш проверен частично; GPU/STDP-прототип написан, **не собран и не проверен**. Все подробности, пути, команды, ограничения и следующие шаги — в передаче. Журнал: [changes-2026-10-14.md](changes-2026-10-14.md). Назначение копии на постоянной рабочей станции: `int@10.9.8.230:/mnt/c/KNP/HANDOFF-2026-10-14.md`; всего пакета — `/mnt/c/KNP/cats-dogs`. При сохранении связь со стендом прервалась: новый перенос пока не подтверждён. Статус — `experiments/cats-dogs/preservation-status.json`, завершение — `python3 /opt/neiro/experiments/cats-dogs/save_handoff.py`. Подключаться к станции только по просьбе пользователя. ## Дополнение: MNIST на native Linux, 15 октября После транспорта выполнен отдельный полный MNIST-прогон: штатное STDP-обучение AltAI на CPU, 60 000 train и 10 000 official test; канонические разбиения побайтно проверены. **9223/10000 = 92,23%**, ошибок со спайками 633, молчаний 144, положительных ties 196. Wall 344,284 с, приблизительно обучение 312,058 с и inference/evaluation 32,226 с. GPU для цифр в этом опыте не использован; 71,25% выше относится к validation транспорта CIFAR и другой задаче. Отчёт: `reports/2026-10-15-mnist-native.md`; станция: `/home/user/KNP/reports/2026-10-15/Отчёт_MNIST_native.md`; runtime `/home/user/run/mnist-native-20261015`. Локальные артефакты, логи, скрипты, частичные dumps: `reports/mnist-native-artifacts/experiment-artifacts.tar.gz` (SHA256 проверен). Полного checkpoint MNIST нет: штатный пример не вызывает save_network, inference_only не загружает модель. Для будущего GPU-инференса MNIST сначала отдельно реализовать корректное сохранение/загрузку, затем CPU/GPU parity. Объектный backend и модели не менялись. ## Запуск существующего сайта рисования MNIST По просьбе пользователя найден и запущен существующий `/home/user/KNP/viz/altai_viz.html`; доступен http://10.9.8.230:8080/altai_viz.html, вариант со сдвигами — /aug_viz.html. Перед запуском порт8080 был свободен. Добавлены только `/home/user/run/mnist-viz/server.py` и `start.sh`: detached `nohup` Python ThreadingHTTPServer на0.0.0.0:8080, document root строго `/home/user/KNP/viz`, PID58749, log `server.log`, pid `server.pid`. Автозапуск ОС не включали; файлы сайта и веса не меняли. Для HTML явно задан charset=utf-8. Проверки извне: обе страницы HTTP200, UTF-8 и meta charset корректны, JSON с2моделями разбирается. Это исторический браузерный JS-симулятор, не новый CUDA backend и не веса нового92,23% CPU-MNIST-прогона. Команды restart/stop и точные пути — `/home/user/run/mnist-viz/README.md`. ## Новая быстрая модель сайта MNIST Доступна http://10.9.8.230:8080/fast_viz.html; ссылки есть в обеих старых страницах. Собственная гибридная сеть: 784 токовых пикселя →256 integer IF нейронов (128 шагов) →линейный readout по спайкам. Offline NumPy обучение с аугментациями, 55 000 train и 5000 validation; test не использован для выбора. Новый результат **9830/10000 =98,30%** на тех же изображениях, где старый KNP-пример дал92,23%. Test2534 со скриншота (3) теперь→3. Это пока браузерная гибридная IF-сеть: KNP/GPU/физический AltAI для неё не проверены. Проверены точное Python/JS совпадение нормализации/IFcounts/scores/prediction на85 примерах, CDP mouse/touch рисунок1, blank/clear/debounce и мобильная ширина390px. Fixed stress: сдвиг2px97,74%, толще96,85%, тоньше91,41%; тонкий почерк остаётся слабее. Бенч simulate() на реальной3: медиана0,5мс, p95≈1,1мс на локальном headless Chromium, без нормализации/DOM, не гарантия скорости устройства пользователя. Исходники станции `/home/user/KNP/mnist-fast`, web `/home/user/KNP/viz/fast*`, runtime `/home/user/run/mnist-fast`; старыйHTTPсерверPID58749 не менялся. [Отчёт](reports/2026-10-15-mnist-fast.md); веса, splits, метрики и скрипты сохранены в `reports/mnist-fast-artifacts/experiment-artifacts.tar.gz`, SHA256 проверен. Следующая отдельная задача по просьбе пользователя — перенести хорошую модель в реальный KNP/AltAI с корректным integer масштабированием и проверкой; пока не сделано. Не выдавать браузерные98,30% за KNP-результат.