双档位训练体系（s高识别/n高性能 串行排队、按档发布）与 TFLite 硬件加速补丁

Co-Authored-By: Claude Opus 4.7 <noreply@anthropic.com>

server/config.yml

@@ -59,7 +59,8 @@ imageGen:
   assumedVfovDeg: 52          # 镜头垂直视场角(度)，固定为手机默认主摄（2026-08-28 用户定案；
                               # 曾随机 [15,90]、曾试超广角 90，均已否决）
 
-# 训练通道（并发度 1：GPU 独占，同时仅一个 running 任务）：
+# 训练通道（并发度 1：GPU 独占，同时仅一个 running 任务——2026-09-03 起忙时新任务落 queued 排队，
+# 轮询在 running 结束后自动按创建顺序晋级启动，一次一个）：
 # mode=subprocess 训练机与服务器同机；mode=ssh 异机（训练脚本/数据集经 ssh 通道同步）
 training:
   mode: ssh      # subprocess | ssh
@@ -70,12 +71,17 @@ training:
     port: 22
     privateKeyPath: ""  # 私钥路径与 password 二选一
     password: "123"
-  workdir: /opt/pheasant_data   # 训练机工作目录（train_server.py / yolov8s.pt 所在）
+  workdir: /opt/pheasant_data   # 训练机工作目录（train_server.py / yolov8s.pt / yolov8n.pt 所在）
   venvPython: /opt/pheasant_data/venv/bin/python
   datasetDir: datasets  # 训练机数据集根目录（相对 workdir，yolo/<name> 为子目录）
   timeoutMinutes: 240   # 训练超时判死（started_at 起算；实测 100 张约 3 分钟，千图级约 1 小时）
-  model: yolov8s.pt     # 训练基座权重（须已同步到训练机 workdir；s 容量适配小目标+遮挡，详见技术设计）
-  imgsz: 1280           # 训练/导出分辨率（须与 App 端推理输入对齐；1280 提升远距离小目标保留像素）
+  # 双档位（2026-09-03 用户定案）：s 档(高识别,默认)与 n 档(高性能)各自基座/分辨率；
+  # 一次「开始训练」按档位各建一条任务（请求 variants 可限定单档）；epochs/batch/device 双档共用。
+  # n 档未配置（modelN/imgszN 缺一）时发起含 n 档的请求报错
+  model: yolov8s.pt     # s 档训练基座权重（须已同步到训练机 workdir；s 容量适配小目标+遮挡，详见技术设计）
+  imgsz: 1280           # s 档训练/导出分辨率（须与 App 端推理输入对齐；1280 提升远距离小目标保留像素）
+  modelN: yolov8n.pt    # n 档(高性能)训练基座权重（须已同步到训练机 workdir）
+  imgszN: 704           # n 档训练/导出分辨率（704² 端侧计算量约 s@1280 的 1/8，速度优先）
   epochs: 150           # 训练轮数（patience 30 早停，设大可自动停）
   batch: 16             # 批大小（按训练机显存调整）
   device: "0"           # GPU 编号（cpu 用 cpu）