Arreglar la reanudación en GPU: el estado del generador debe volver en CPU

Reanudar una corrida en la 2060 fallaba con 'RNG state must be a
torch.ByteTensor'. La causa: al cargar el checkpoint con map_location apuntando
a la placa, torch.load mueve todos los tensores del payload a la GPU, incluido
el estado de los generadores aleatorios, y set_rng_state exige un ByteTensor en
CPU.

Es un fallo que no se puede ver desde Gigastar: en CPU el map_location es cpu y
los tensores nunca se mueven. Lo encontró la verificación de reanudación exacta
corrida en el servidor, que es justamente el criterio de aceptación del plan.

Se agrega una prueba de regresión que verifica el contrato —lo que recibe torch
está en CPU y es uint8— y que sí corre sin GPU.

Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>

enlace/train/checkpoint.py

@@ -36,11 +36,19 @@ def _rng_state() -> dict[str, Any]:
 
 
 def _restore_rng(state: dict[str, Any]) -> None:
+    """Restaura los generadores aleatorios.
+
+    Los estados se fuerzan a CPU a propósito. `torch.load(map_location="cuda")`
+    mueve *todos* los tensores del checkpoint a la placa, incluidos estos, y
+    `set_rng_state` exige un ByteTensor en CPU: sin el `.cpu()` reanudar en GPU
+    falla con "RNG state must be a torch.ByteTensor". En CPU el error no existe,
+    así que es un fallo que solo aparece en el servidor.
+    """
     random.setstate(state["python"])
     np.random.set_state(state["numpy"])
-    torch.set_rng_state(state["torch"])
+    torch.set_rng_state(state["torch"].cpu())
     if "cuda" in state and torch.cuda.is_available():
-        torch.cuda.set_rng_state_all(state["cuda"])
+        torch.cuda.set_rng_state_all([s.cpu() for s in state["cuda"]])
 
 
 def save(