yolo v8.3.241：macOS CoreML 推理加速、Ex

yolo v8.3.241：macOS CoreML 推理加速、ExecuTorch 导出稳定性提升与边缘硬件支持扩展 一、版本概述 yolo v8.3.241 是一个以后端性能优化与兼容性增强为核心的版本更新，重点围绕 macOS 平台的 ONNX Runtime 推理加速、ExecuTorch 导出的稳定性、边缘硬件支持扩展以及可视化与文档体系的完善展开。该版本在不改变现有 CUDA 行为的前提下，为 Apple 硬件用户和嵌入式部署场景带来了明显收益。 二、macOS 上 ONNX Runtime 的 CoreML 优先策略 在 macOS 环境中，当使用 device="mps" 进行推理时，yolo v8.3.241 现在会优先使用 CoreML 执行提供器，而不是回退到 CPU。新的执行提供器选择顺序为： CUDA > CoreML（MPS） > CPU 同时，日志输出更加清晰，能够明确提示当前实际使用的执行提供器，方便排查和性能分析。 此外，IO Binding 现在仅在被支持的情况下使用（例如 CUDA 场景），避免了在 CoreML 执行时可能引发的兼容性问题。 在实际应用中，这一改动可显著提升 macOS 上的推理性能，在部分测试场景中，单次推理耗时可从约 20 毫秒降低至 9 毫秒左右，接近 2 倍性能提升。 三、ExecuTorch 导出稳定性改进 针对 ExecuTorch 导出过程中偶发的失败问题，本版本进行了多项修复与优化： 1. 在导出路径中对 NumPy 版本进行了限制，固定为不高于 2.3.5，以规避新版本 NumPy 与 CoreML 工具链之间的已知不兼容问题。 2. 清理了导出流程中冗余的 torch 导入，使导出逻辑更加简洁。 这些调整显著降低了在 CoreML 与移动端部署场景中出现“无法解释的导出失败”概率，使 ExecuTorch 的使用体验更加稳定可靠。 四、Rockchip 硬件支持扩展 yolo v8.3.241 新增对 Rockchip RV1126B 芯片的支持，并在代码与文档中明确标注该处理器为受支持目标。 这意味着用户可以更直接地将 Ultralytics 模型导出并部署到 RV1126B 平台，无需额外的自定义补丁或修改配置，从而拓展了在边缘计算设备上的应用范围。 五、2 通道图像可视化支持增强 在可视化方面，Annotator 现已支持 2 通道的 numpy 图像数据。 当输入为 2 通道图像时，会在绘制与保存之前自动转换为 3 通道格式，确保标注流程正常运行。这一改进使得非标准图像数据（如光谱数据或自定义传感器输入）在推理与可视化环节中更加顺畅，与 1 通道、3 通道以及多光谱数据的支持保持一致。 六、TensorRT 与 TensorFlow 后端清理 本次更新对推理后端相关代码进行了进 #福大大架构师每日一题 #大模型