fix(vram): 上限不再从 nvidia-smi 的"已用"里扣——WDDM 下那部分驱动可换出，按它扣会把本进程上限压到 14.45 GiB，预训练第一次 evaluate 峰值 ~15 GiB 就自己 OOM（实测当时卡上还有 9.98 GiB 空闲）；改成上限 = CUDA 可用 − 1 GiB（实测 21.8 GiB），别人占多少只打印不扣；实测分配 15.5 GiB 通过；顺带删掉 monitor.html 里被塞进模板字符串、当成文字渲染出来的 JS 注释（剩余时间那格）

ml/common/vram.py

@@ -1,15 +1,14 @@
-"""显存预算（2026-10-18 本机实测后加；同日按用户要求改成浮动）。
-口径：整卡留 1 GB 给系统，其余"能给应用用多少"按启动那一刻的实际情况算——桌面 / 浏览器 / OBS /
-直播软件占了多少都自动扣掉，不再写死一个比例（写死有两个毛病：别人占得多时上限仍很高 → 顶满整卡、
-桌面卡顿；占得少时又白白少用）。
-两个口径取较小（2026-10-18 实测差的不是一点）：
-  nvidia-smi：整卡 24.0 − 已用 8.6 − 余量 1.0 → 14.4 GiB（别人手里的显存先扣掉，别把它们挤去系统内存）
-  CUDA free：mem_get_info 报空闲 22.8 GiB —— WDDM 下这部分含"驱动能换出"的量，单独信它会顶满整卡
-  （APG batch=128 那次顶到 23.6 GB 就是整机卡顿的根源）。
-  limit()     本进程上限 = min(上面两个) ；显式给 VRAM_FRAC 时再取较小值，用来跟旧口径（0.78）对拍。
+"""显存预算（2026-10-18 本机实测后加；同日两次修正）。
+口径：整卡留 1 GB 给系统（VRAM_RESERVE_GIB），本进程上限 = CUDA 可用 − 余量。
+为什么不能按"整卡 − nvidia-smi 已用"扣：WDDM 下 nvidia-smi 的"已用"含**驱动可以换出**的量，
+把它当硬占用会把自己卡死——实测预训练第一次 evaluate 峰值要 ~15 GiB，那样算出的上限只有
+14.45 GiB，torch 就报 OOM，而同一时刻卡上其实还有 9.98 GiB 空闲（train.py step 2000 的评估里挂掉）。
+CUDA 的 mem_get_info 才是"我实际能拿到多少"：它已经把可换出的部分算进去了。
+  limit()     上限 = min(CUDA 可用, 整卡) − 余量；显式给 VRAM_FRAC 时再取较小值（跟旧口径 0.78 对拍用）。
+              别的应用占多少照样打印，但只作参考、不从上限里扣。
   peak_gib()  记进日志的 vram 字段：网页指标卡与 ml/selftest.sh 都按它核对，不用再去猜。
-实测参考（d=192 同结构、1 步即到位）：预训练 batch=1024 → 2.76 GiB；APG batch=48/plans=150 → 13.08 GiB。
-要跑大 batch 的步骤（APG）之前先把 OBS / 浏览器这类占显存的收一收——上限会跟着启动时的占用变小。"""
+实测参考（d=192 同结构）：预训练 batch=1024 的训练步峰值只有 2.76 GiB，但第一次 evaluate 就要 ~15 GiB
+（kin.gaps 一次开 2.35 GiB）；APG batch=48/plans=150 → 13.08 GiB。"""
 import os
 import subprocess
 import torch
@@ -30,19 +29,18 @@ def _smi():
 def limit():
     if not torch.cuda.is_available(): return False
     tot = torch.cuda.get_device_properties(0).total_memory / 2**30
-    torch.empty(1, device='cuda')            # 让本进程的 CUDA 上下文先落地，再读空闲（否则会把自己的上下文算进空闲）
+    torch.empty(1, device='cuda')            # 让本进程的 CUDA 上下文先落地，再读可用（否则会把自家上下文算进可用）
     free = torch.cuda.mem_get_info()[0] / 2**30
     res = float(os.environ.get('VRAM_RESERVE_GIB', '1'))
-    cap, why = free - res, 'CUDA 空闲 %.1f − 余量 %.1f' % (free, res)
-    used, _ = _smi()
-    if used is not None:
-        head = tot - used - res
-        if head < cap: cap, why = head, '整卡 %.1f − 已用 %.1f − 余量 %.1f' % (tot, used, res)
+    cap = min(free, tot) - res
     if os.environ.get('VRAM_FRAC'):          # 显式硬帽（对拍旧口径用）
         cap = min(cap, tot * float(os.environ['VRAM_FRAC']))
     cap = max(1.0, min(cap, tot - res))
     torch.cuda.set_per_process_memory_fraction(cap / tot)
-    print('显存上限：本进程 %.1f GiB（%s；= 整卡的 %.0f%%）' % (cap, why, 100 * cap / tot), flush=True)
+    used, _ = _smi()
+    note = '' if used is None else '；别的应用当前占 %.1f GiB，需要时驱动自行换出，不从上限里扣' % used
+    print('显存上限：本进程 %.1f GiB（CUDA 可用 %.1f − 系统余量 %.1f，= 整卡 %.1f 的 %.0f%%）%s'
+          % (cap, free, res, tot, 100 * cap / tot, note), flush=True)
     return True
 
 

ml/monitor.html

@@ -420,7 +420,7 @@ function renderProgress() {
     <div class="facts">
       ${fact('步数', `${step.toLocaleString()}${total ? ' / ' + total.toLocaleString() : ''}`)}
       ${fact('已用时间', hms(elapsed))}
-      ${fact('剩余时间', finished ? '—' : hmsShort(eta))}   // 预估只到分钟（用时才精确到秒）
+      ${fact('剩余时间', finished ? '—' : hmsShort(eta))}
       ${fact('预计完成', fin)}
       ${kind === 'apg' ? fact('本批展开', r.plans ? `${r.plans} 次推理` : '—') : fact('学习率', isNum(r.lr) ? r.lr.toExponential(2) : '—')}
       ${fact('日志更新', lastMtime ? ago(lastMtime) : '—', running ? '' : 'warn')}