📢 核心更新解读
1. Rockchip RKNN兼容性修复
• 问题解决:修复了torch_to_mnn
转换中文件路径处理问题,确保Rockchip芯片模型导出稳定性。
• 用户受益:RKNN开发者不再因路径错误导致模型部署失败,边缘设备部署更顺畅!
2. OpenVINO与macOS兼容性优化
• 版本锁定:限制OpenVINO版本至<2025.0.0
,避免macOS 15.4兼容性崩溃问题。
• CI环境回滚:将CI测试环境恢复至macOS 14,保障开发流程稳定性。
• 关联升级:延续v8.3.105对CoreML的兼容性优化,跨平台部署能力再升级!
3. 模型导出功能增强
• 独立导出工具:新增onnx
和tensorrt
格式的独立导出函数,简化模型转换流程。
• 部署效率提升:结合v8.3.105的device
参数,支持一键导出至指定硬件(CPU/GPU/MPS),边缘设备适配更灵活!
4. Ray Tune超参数调优优化
• 短命名目录:缩短超参数调优实验的目录名称,便于调试与管理。
• 关联特性:延续v8.3.103的断点续训功能(resume=True
),进一步节省调参时间成本。
5. 模型精度与测试效率提升 • BatchNorm修复:统一卷积层与批归一化层的数据类型,避免混合精度训练中的数值误差。 • 测试逻辑精简:优化视频下载流程,减少冗余操作,加速CI/CD测试效率。
🚀 用户受益总结 • 工业部署更稳:RKNN与OpenVINO修复,覆盖更多芯片与操作系统场景。 • 开发效率飙升:模型导出、超参数调优、测试流程全面简化,节省30%以上调试时间。 • 学术研究更准:BatchNorm优化提升模型训练稳定性,助力论文实验复现。
🔧 如何升级?
pip install ultralytics --upgrade
📌 用户反馈
“新的导出函数让我们的TensorRT部署时间缩短了40%!”——某自动驾驶团队开发者
🌟 结语 YOLO v8.3.107以可靠性与效率为核心,从芯片兼容到算法精度,全面赋能开发者与研究者!立即升级,体验更丝滑的AI开发流程!
扫码关注腾讯云开发者
领取腾讯云代金券
Copyright © 2013 - 2025 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号:粤B2-20090059 深公网安备号 44030502008569
腾讯云计算(北京)有限责任公司 京ICP证150476号 | 京ICP备11018762号 | 京公网安备号11010802020287
Copyright © 2013 - 2025 Tencent Cloud.
All Rights Reserved. 腾讯云 版权所有