算法侧的进化环代码。物理能力（真机延迟标尺 bench、游戏画面采集 capture）由独立实验底座 phonefarm 提供；本仓库负责网络结构生成、TFLite 导出、轻量训练、Pareto 归档与代际演进。规格见 ../phonefarm/docs/SPEC_SR_LOOP.md。
本仓库是已结项的前序实验，不在当前主线上。
当前主线是一个 harness：用户只提一种任务——「把某个游戏在某台手机上优化一下」， 内部自动决定用哪几层。
game_opt_loop🔒 是入口与 决策层（接任务、摸底、决定开哪几路、出方案、归档优胜、出报告），phonefarm是底座（驱动设备、施加改动、测量、 统计判定、还原）。优化分三层：游戏代码（需要白盒）、图形接口 Vulkan 层、系统参数。本仓库当年问的是「端侧轻量神经网络能不能当一条候选改动路线」。下面这几条背景 把后续重心推到了 Shader / Compute 算子直通管线，那条线现在在
game_opt_loop里继续。全景路线见清单： 🔒 组织成员
HGamey/phonefarm/docs/MOBILE_GPU_OPT_ROUTES.md· 🌐 公开BH3GEI/phonefarm/docs/MOBILE_GPU_OPT_ROUTES.md阅读本仓库实验结论时的客观背景：
- 本仓库门控指标为
gpu（仅含模型内核计算耗时，最优个体gen10-6= 2.967 ms）。而在物理调用链中，包含内存张量拷贝与驱动同步的端到端开销约为 10 ms（540x960 -> 1080x1920 每帧拷贝约 31 MB）。- 端到端开销受输入载体与内存绑定机制影响显著，通过显存零拷贝绑定可有效削减往返开销，这也是后续转向 Shader / Compute 算子直通管线（如
game_opt_loop）的主要动力。- 实测表明，在限帧器封顶或 GPU 负载未饱和的场景下，降低渲染负载主要转换为整机功耗与发热预算的节省，而非直接提升帧率。
# 环境 (Python 3.12 + TensorFlow 2.20, uv 建 venv)
uv venv --python 3.12 ~/.venvs/srloop && uv pip install --python ~/.venvs/srloop/bin/python -r requirements.txt
# Gate 0: 生成 Gen 0 并导出 TFLite
~/.venvs/srloop/bin/python -m sr_loop.gen0 --out models/gen0
# Gate 0: 真机物理标尺验收
(cd ../phonefarm && ./phonefarm bench --serial <ID> --model ../sr_loop/models/gen0/gen0-espcn-ps.tflite --runs 3 --json)
~/.venvs/srloop/bin/python -m sr_loop.gate0 --serial <ID>
# Gate 1: 零样本秒筛
~/.venvs/srloop/bin/python -m sr_loop.mutate_random --parent models/gen0/gen0-espcn-ps.json --n 6 --out runs/mut
~/.venvs/srloop/bin/python -m sr_loop.screen --serial <ID> --out runs/screen runs/mut/*.json
# Gate 2: 采集样本与基准训练
(cd ../phonefarm && ./phonefarm capture --serial <ID> --out ../sr_loop/data/capture_A --frames 150 --no-shutdown --json)
~/.venvs/srloop/bin/python -m sr_loop.gate2 --capture data/capture_A --data data/A --steps 2000 --out runs/gate2
# Gate 3/4: 多代闭环演化与分析
~/.venvs/srloop/bin/python -m sr_loop.evolve --serial <ID> --data data/A --out runs/evo --generations 20 --children 6 --steps 2000
~/.venvs/srloop/bin/python -m sr_loop.gate3 --archive runs/evo --gen 1
~/.venvs/srloop/bin/python -m sr_loop.analyze --archive runs/evo- Gate 0 物理标尺：基线冷机调用稳定（重复测量离散度 <= 1.0%）。
- Gate 1 秒筛机制：随机变异候选快速筛除超预算模型与不合规结构。
- Gate 2 数据集与短训：验证样本集构建与快速收敛可行性。
- Gate 3/4 代际演化：13 代演化记录中，最优个体 PSNR 较 Bicubic 基线提升 +2.576 dB，真机物理标尺能够有效识别并否决超时候选。