Split the unattended run into a GPU-free phase and a GPU phase

The target machine's card is busy with someone else's job, so a single
end-to-end script stalls on work that does not actually need a GPU.

Compiling the CUDA extensions needs nvcc, not a device, and downloading 18 GB
of data needs neither. Those are the slow parts (~50 min + ~30 min), so phase A
now runs entirely without the card:

  run_setup.sh   bootstrap, conda, extensions, patches, data      no GPU
  run_train.sh   voxel_max measurement, training, evaluation      GPU

run_setup reports the GPU but never fails on it, and verify_env.py gained
SKIP_CUDA_CHECK so import coverage still runs when no device is visible.
TORCH_CUDA_ARCH_LIST is stated rather than probed, since the card may be
unavailable at build time.

run_train waits for the GPU instead of failing when it is busy: it polls until
enough VRAM frees up (12h default), so it can be queued ahead of time. Past the
deadline it proceeds anyway and lets the measured voxel_max adapt to whatever
is actually free.

keepalive.sh now takes the phase to supervise. Replaces run_all.sh and RUN.md
with SETUP.md and TRAIN.md. Adds selfcheck.sh, which syntax-checks every script
and flags CRLF endings - a shell script with either fails at its first line,
which for an unattended weekend run means losing the weekend.

Co-Authored-By: Claude Opus 5 (1M context) <noreply@anthropic.com>

README.md

@@ -5,46 +5,62 @@
 
 대상 데이터: 서산 명천 도로 프로젝트 — ContextCapture OBJ 6블록, EPSG:5186.
 
-## 이 레포에 있는 것
+## 문서
 
 | 경로 | 내용 |
 |---|---|
-| [RUN.md](RUN.md) | **무인 실행 — 명령 하나로 학습까지. 여기부터** |
-| [SETUP.md](SETUP.md) | 단계별 수동 실행 (문제 생겼을 때 확인용) |
-| [docs/pipeline.html](docs/pipeline.html) | 6단계 공정 정의 (브라우저로 열 것) |
+| [SETUP.md](SETUP.md) | **1단계 — 환경 구축 (GPU 불필요). 여기부터** |
+| [TRAIN.md](TRAIN.md) | 2단계 — 학습 (GPU 필요) |
+| [docs/pipeline.html](docs/pipeline.html) | 전체 6단계 공정 정의 (브라우저로 열 것) |
 | [docs/SUM-Parts-검토노트.md](docs/SUM-Parts-검토노트.md) | 트러블슈팅 16건, 데이터 스키마 실측, 라이선스 |
-| [scripts/](scripts/) | 환경 구축 · 학습 · 평가 · 변환 스크립트 47개 |
+| [scripts/](scripts/) | 환경 구축 · 학습 · 평가 · 변환 스크립트 |
 
 데이터와 체크포인트는 커밋하지 않는다(`.gitignore`). 스크립트로 재생성한다.
 
-## 요약
+## 왜 두 단계로 나눴나
 
-- **모델**: PointVector (논문 mIoU 70.0%, 번들 최고이자 최속)
-- **학습 자산**: SUM Parts face 트랙 13클래스 → 우리 4클래스로 통합
-- **제약**: 저자가 학습 가중치를 공개하지 않아 직접 학습이 유일한 경로
-- **VRAM**: 논문 설정 `voxel_max 64000`은 16.5GB 필요 → 12GB 카드 불가, 24GB 필요
+CUDA 확장 빌드는 **`nvcc` 컴파일이지 GPU 실행이 아니다.** 데이터 다운로드도 마찬가지다.
+오래 걸리는 작업(빌드 50분 + 데이터 30분)이 전부 GPU 없이 되므로,
+카드가 남의 작업에 물려 있어도 1단계를 미리 끝낼 수 있다.
+
+| | GPU | 시간 |
+|---|---|---|
+| 1단계 · 환경 구축 | 불필요 | ~80분 |
+| 2단계 · 학습·평가 | 필요 | 3~6시간 |
+
+2단계는 카드가 바쁘면 **실패하지 않고 빌 때까지 기다린다.**
 
 ## 빠른 시작 (무인)
 
 ```bash
-# 1. HF 토큰 (게이트는 계정 단위 — 이미 수락한 계정 토큰을 복사)
+# HF 토큰 — 유일한 수동 작업. 게이트는 계정 단위라 토큰만 옮기면 된다
 mkdir -p ~/.cache/huggingface && echo hf_xxxxx > ~/.cache/huggingface/token
 
-# 2. 사전점검 — OK 안 나오면 여기서 해결하고 갈 것
-bash scripts/test_preflight.sh
+# 1단계 — GPU 불필요
+bash scripts/selfcheck.sh                     # 스크립트 무결성
+RUN_DRYRUN=1 bash scripts/run_setup.sh        # 전제조건 검사
+setsid nohup bash scripts/keepalive.sh setup > ~/keepalive-setup.out 2>&1 &
 
-# 3. 실행. 베어 머신 → 학습 완료까지 5~8시간, 멈춰도 이어간다
-setsid nohup bash scripts/keepalive.sh > ~/keepalive.out 2>&1 &
+# 2단계 — GPU 필요. 바쁘면 빌 때까지 대기
+setsid nohup bash scripts/keepalive.sh train > ~/keepalive-train.out 2>&1 &
 ```
 
 확인:
 
 ```bash
-cat ~/sum-parts/runs/run_all/STATUS
-cat ~/sum-parts/runs/coarse_eval/coarse.txt   # 4클래스 통합 성적
+cat ~/sum-parts/runs/setup/STATUS
+cat ~/sum-parts/runs/train/STATUS
+cat ~/sum-parts/runs/coarse_eval/coarse.txt   # 4클래스 통합 성적 ← 핵심
 ```
 
-자세한 것은 [RUN.md](RUN.md).
+멈춰도 이어간다 — 감시자가 재기동하고, 학습은 체크포인트에서 재개한다.
+
+## 요약
+
+- **모델**: PointVector (논문 mIoU 70.0 %, 번들 최고이자 최속)
+- **학습 자산**: SUM Parts face 트랙 13클래스 → 우리 4클래스로 통합
+- **제약**: 저자가 학습 가중치를 공개하지 않아 직접 학습이 유일한 경로
+- **VRAM**: 논문 설정 `voxel_max 64000`은 약 16.5 GB 필요 → 12 GB 카드 불가, 24 GB 필요
 
 ## 라이선스