SimdYolo.Training 0.11.5

dotnet add package SimdYolo.Training --version 0.11.5
                    
NuGet\Install-Package SimdYolo.Training -Version 0.11.5
                    
This command is intended to be used within the Package Manager Console in Visual Studio, as it uses the NuGet module's version of Install-Package.
<PackageReference Include="SimdYolo.Training" Version="0.11.5" />
                    
For projects that support PackageReference, copy this XML node into the project file to reference the package.
<PackageVersion Include="SimdYolo.Training" Version="0.11.5" />
                    
Directory.Packages.props
<PackageReference Include="SimdYolo.Training" />
                    
Project file
For projects that support Central Package Management (CPM), copy this XML node into the solution Directory.Packages.props file to version the package.
paket add SimdYolo.Training --version 0.11.5
                    
#r "nuget: SimdYolo.Training, 0.11.5"
                    
#r directive can be used in F# Interactive and Polyglot Notebooks. Copy this into the interactive tool or source code of the script to reference the package.
#:package SimdYolo.Training@0.11.5
                    
#:package directive can be used in C# file-based apps starting in .NET 10 preview 4. Copy this into a .cs file before any lines of code to reference the package.
#addin nuget:?package=SimdYolo.Training&version=0.11.5
                    
Install as a Cake Addin
#tool nuget:?package=SimdYolo.Training&version=0.11.5
                    
Install as a Cake Tool

纯 C# 五代 YOLO 检测头训练

当前源码 0.11.5 支持五代检测头微调,共享推理依赖同步升级至 0.11.5。YoloTrainer.CanTrain(path, out ModelInfo info) 可一次取得标签与训练能力。0.11.0 起加入独立验证集、训练前和逐轮 P/R 与 mAP、best.sytrain、早停和验证状态恢复。训练结果可纯 .NET 导出 ONNX,网页支持检测框标注和预标注。本版发布说明 · 下载与文档导航 · 完整 API · 0.11.3 历史验证 · 0.11.0 功能验证

0.10.1 源码与发布包支持 YOLOv8、Ultralytics YOLOv9、YOLOv10、YOLO11、YOLO26 的检测头微调,CPU 使用 C# SIMD,Vulkan 加速冻结网络和较大的前后向 GEMM。无需 Python、PyTorch、TorchSharp、ONNX Runtime、BLAS 或 CUDA 运行依赖。

0.10.1训练优化包括SIMD激活/BN/SGD、直接点积反向、1×1零复制、有界卷积工作区与小矩阵设备选择。训练速度、资源和训练后模型对比对应0.10.1程序集;0.11.2没有重新测量训练速度。

系列 仓库实际训练权重 回归与分类头 训练目标
YOLOv8 yolov8n.pt 普通 Conv-BN-SiLU TAL top10 + BCE + CIoU + DFL
Ultralytics YOLOv9 yolov9t.pt 普通 Conv-BN-SiLU TAL top10 + BCE + CIoU + DFL
YOLOv10 yolov10n.pt 含深度卷积,one2many/one2one 两套参数 两头相加,TAL top10 / top1,DFL
YOLO11 yolo11n.pt 分类分支含深度可分离卷积 TAL top10 + BCE + CIoU + DFL
YOLO26 yolo26n.pt 深度可分离分类、双头,reg_max=1 TAL top10 / top7→1,渐进双头权重,CIoU + 归一化距离 L1

本次覆盖表中的五份权重。其他 n/s/m/l/x 尺度按受支持模块结构解析,但未逐份验证;YOLOv9 原仓库的 DualDDetect/TripleDDetect、只有推理分支的融合 PT 不在此训练支持表内。不能据系列名称推断所有衍生模型都兼容。

范围保持为冻结骨干和 FPN、仅更新完整检测头。分割/姿态训练、全参数训练、Metal 训练、AdamW/MuSGD、EMA与数据增强尚未实现。0.11.0已支持调用方检测数据集的托管mAP验证,指标范围见新增文档。YOLO26 的损失与固定参考对应,优化器仍为 SGD,不声称复刻官方完整训练配方。普通 ONNX 只支持推理,不能作为本训练器的初始化结构。

Vulkan 是混合训练:矩阵乘加项数大于4,000,000的普通卷积 GEMM在GPU,小矩阵使用CPU SIMD以避免提交/回读开销;头部深度/分组卷积、im2col、BN、激活、标签分配、损失和SGD在CPU。CPU线程遵守CpuThreads。实际训练性能不能以推理速度推断。

训练后模型对比

0.10.1补充真实图片训练结果:COCO128按种子2611划分96张微调/32张验证,80类、256×256、相同初始状态、固定顺序和冻结特征,各192步SGD。CPU与原版CPU、Vulkan与原版CUDA分别比较参数、BN、动量与逐步损失;重新加载两边保存的模型,执行完整网络并比较P/R、mAP50及mAP50–95。

原始COCO128的train=val设置未用于本次微调划分;预训练权重已见过COCO train2017,不能把这32张称为独立于预训练的泛化验证集。两边的短程微调都有验证精度下降,本轮不声称提升精度或复刻官方全参数训练配方。设置、训练前后指标、误差与复现方法见0.10.1报告及验证目录。

0.10.1 保存模型效果对照

启动网页或 C# API

需要 .NET 10 SDK;Vulkan 需要兼容驱动及系统 loader。可下载0.11.2训练库与网页运行包,或从源码启动:

git clone https://github.com/hnlyf168/SimdYolo.git
cd SimdYolo
git lfs pull
dotnet run --project examples/SimdYolo.Web -c Release

打开 **http://127.0.0.1:5188**,导入每行 class cx cy w h 的归一化 YOLO 检测标注,选择五份模型之一。支持真实损失曲线、取消、恢复、检查点下载/重新上传及推理。网页说明与数据限制见示例文档。

0.10.0 网页中实际完成 YOLO26 检测头微调

引用 src/SimdYolo.Training/SimdYolo.Training.csproj:

using SimdYolo;
using SimdYolo.Training;

var dataset = TrainingDataset.CreateDemo(count: 8, seed: 26);
string path = "models/pt/yolo26n.pt"; // 也可以是 v8n、v9t、v10n、11n
Console.WriteLine(YoloTrainer.CanTrain(path)); // 按实际结构探测,不看文件名
using var trainer = new YoloTrainer(path, dataset, new()
{
    Device = ComputeDevice.Cpu, // 可显式选择 Vulkan
    ImageSize = 128,
    Epochs = 20,
    BatchSize = 1,
    LearningRate = .003f,
    CpuThreads = 4
});
float before = trainer.EvaluateLoss();
trainer.Train(".cache/my-training", p =>
    Console.WriteLine($"epoch={p.Epoch}, step={p.Step}, loss={p.TotalLoss:F5}"));
float after = trainer.EvaluateLoss();

Train 为同步方法,可以放入自己的后台线程;同一会话禁止并发训练、评估、保存或释放。自定义数据由调用方提供连续 RGB24 字节,不引入图片编解码依赖:

var dataset = new TrainingDataset(
    ["person", "helmet"],
    [new TrainingImage("001.jpg", rgb24, width, height,
        "0 0.50 0.50 0.40 0.60\n1 0.50 0.25 0.20 0.15")]);

类别从 0 开始,框须位于原图内;letterbox 保持比例。自定义类别按名称复用原分类通道,否则按种子初始化。双头分别重建输出通道,训练与推理使用正确的分支。

BatchSize 是梯度累加的图像数,每图 BN 独立统计,再按图像数平均梯度;不等同联合批次 BN。全背景图像只训练分类头;与原版一样,框参数梯度未连接时跳过 SGD/衰减,有正样本时各尺度的显式零梯度仍参与 SGD/衰减。

损失和恢复语义

固定独立参考为 Ultralytics 8.4.0。v10 使用保留的官方 E2EDetectLoss 兼容目标;YOLO26 使用 E2ELoss。前者两头直接相加,后者 one2many 从 0.8 按轮衰减至 0.1,one2one 为其补值。YOLO26 的 TAL 先 top7、处理目标冲突,再 top1,不能简单替换成首次 top1。

YOLO26 的第三损失分量是按输入宽高归一化的距离 L1,没有 DFL softmax。为保持客户端兼容,TrainingProgress.DflLoss 和网页 DFL 历史字段保留名称;对 YOLO26 表示该 L1 分量。TotalLoss 返回本次实际优化的加权目标。EvaluateLoss() 使用 BN 运行统计,且固定初始 0.8/0.2 权重,保证训练前后评估口径一致;它仍是训练数据损失,不是 mAP。

using var resumed = YoloTrainer.Resume(
    ".cache/my-training/last.sytrain", dataset,
    totalEpochs: 30, device: ComputeDevice.Cpu, cpuThreads: 4);
resumed.Train(".cache/my-training");

using var detector = new YoloDetector(".cache/my-training/last.sytrain");
var instances = detector.Predict(rgb24, width, height);
var metadata = ModelInfo.Read(".cache/my-training/last.sytrain");

totalEpochs 是恢复后的总轮数,必须大于已完成轮数。恢复严格校验数据集 SHA256(类别、顺序、RGB 和标注)、参数形状及动量。学习率、种子、累加配置和图像尺寸来自检查点,可以切换 CPU/Vulkan 和线程数。YOLO26 的损失调度总轮数在首次创建时固定并保存;恢复时延长训练不会重置调度,超过原定轮数继续使用 0.1/0.9。

每个完整轮次原子保存 last.sytrain,另写 history.jsonl。取消抛出 OperationCanceledException 并回退到最近完整轮次,包括权重、BN、梯度连接状态、动量和计数;过程历史可保留未完成轮次的记录。

新归档为 SimdYolo.Training/2,包含原始 PT、全部单/双头参数、BN、动量、类别和损失调度;继续读取 0.9.0 的 /1 v8 归档。ModelInfo.EndToEnd 对 v10/26 训练模型返回正确模式。.sytrain 不能重命名成 PyTorch .pt,尚不导出 ONNX。

官方权重按原始 SHA256 识别并保留 AGPL-3.0 及来源。自定义权重保留供应方许可要求;项目源码未新增许可证。

测试与评测

完整评测与图表包含 CPU/Vulkan × 五模型数值对照、小目标/空标签、SGD/动量、真实损失下降、取消恢复、检查点推理、网页和训练速度。原始证据及复现命令见本版验证目录。

dotnet run --project tests/SimdYolo.Training.Tests -c Release -- --integration --vulkan
python tools/run-training-matrix.py
dotnet run --project tests/SimdYolo.Training.Tests -c Release -- test-matrix .cache/training-010/cpu --epochs 100
dotnet run --project tests/SimdYolo.Training.Tests -c Release -- test-matrix .cache/training-010/vulkan --epochs 100 --vulkan
python tools/benchmark-training.py

Python/PyTorch、Pillow、Node 仅用于开发验证,不进入库或网页运行依赖。参考源码需要放置在 .cache/yolo26-release-reference,对照不自动下载或执行任意远端权重。普通 ONNX Runtime 不是本轮训练基线,没有把推理延迟当作训练耗时。

Product Compatible and additional computed target framework versions.
.NET net10.0 is compatible.  net10.0-android was computed.  net10.0-browser was computed.  net10.0-ios was computed.  net10.0-maccatalyst was computed.  net10.0-macos was computed.  net10.0-tvos was computed.  net10.0-windows was computed. 
Compatible target framework(s)
Included target framework(s) (in package)
Learn more about Target Frameworks and .NET Standard.

NuGet packages

This package is not used by any NuGet packages.

GitHub repositories

This package is not used by any popular GitHub repositories.

Version Downloads Last Updated
0.11.5 0 11/17/2026
0.11.4 51 11/11/2026
0.11.3 49 11/11/2026

Updates the shared SimdYolo inference dependency to 0.11.5. https://github.com/donet-org-cn/SimdYolo/releases/tag/v0.11.5