1

server/training/train_server.py

@@ -15,7 +15,6 @@
     project       训练输出目录（相对 workdir，末尾自动拼 name）
     log_file      每 epoch 一行 JSON 的进度日志（相对 workdir）
     result_file   结束结果 JSON（相对 workdir）
-    artifact_zip  产物打包（best.pt + results.csv + 曲线，相对 workdir）
 
 产物契约：
     log_file      {"epoch":1,"total":150,"metrics":{"metrics/mAP50(B)":0.87,...}}
@@ -32,7 +31,6 @@ import os
 import struct
 import sys
 import traceback
-import zipfile
 from pathlib import Path
 
 # 抗尺度漂移（与人工训练基线一致）：随机缩放输入 0.5~1.5x
@@ -58,7 +56,9 @@ def on_fit_epoch_end(trainer):
 
 
 def register_callback():
-    from ultralytics.utils.callbacks import callbacks
+    # ultralytics ≥8.4 中 callbacks 字典改由 get_default_callbacks() 取得
+    from ultralytics.utils.callbacks import get_default_callbacks
+    callbacks = get_default_callbacks()
     callbacks["on_fit_epoch_end"].append(on_fit_epoch_end)
 
 
@@ -205,17 +205,6 @@ def check_tflite(path, imgsz):
         return {"ok": False, "reason": f"解析失败: {e}", "inputs": [], "outputs": []}
 
 
-def build_artifact_zip(zip_path, save_dir):
-    Path(zip_path).parent.mkdir(parents=True, exist_ok=True)
-    with zipfile.ZipFile(zip_path, "w", zipfile.ZIP_DEFLATED) as zf:
-        for p in (save_dir / "weights" / "best.pt", save_dir / "results.csv"):
-            if p.exists():
-                zf.write(p, arcname=p.name)
-        # 曲线/混淆矩阵等绘图产物在 save_dir 根目录
-        for p in sorted(save_dir.glob("*.png")) + sorted(save_dir.glob("*.jpg")):
-            zf.write(p, arcname=p.name)
-
-
 def main():
     ap = argparse.ArgumentParser(description="observer 训练任务脚本（Go --task-json 驱动）")
     ap.add_argument("--task-json", required=True, help="任务参数 JSON 文件路径")
@@ -239,7 +228,6 @@ def main():
 
     log_file = task_path("log_file")
     result_file = task_path("result_file")
-    artifact_zip = task_path("artifact_zip")
     global _LOG
     _LOG = None
     try:
@@ -273,7 +261,8 @@ def main():
 
         best_tflite = find_best_tflite(save_dir)
         if best_tflite is None:
-            model.export(format="tflite", imgsz=imgsz)
+            # ultralytics ≥8.4 中 tflite 为废弃格式（走 onnx2tf 链路），litert 是官方替代，产物同为 best.tflite
+            model.export(format="litert", imgsz=imgsz)
             best_tflite = find_best_tflite(save_dir)
         if best_tflite is None:
             raise RuntimeError("tflite 导出失败：weights 目录下未找到任何 .tflite 产物")
@@ -290,8 +279,7 @@ def main():
             if isinstance(v, (int, float)) and math.isfinite(v):
                 clean_metrics[k] = round(float(v), 5)
 
-        build_artifact_zip(artifact_zip, save_dir)
-        # best_tflite 相对 workdir，Go 侧按此路径拉取
+        # best_tflite 相对 workdir，Go 侧按此路径拉取（不再打包 zip，仅回传 tflite）
         write_result(result_file, {
             "metrics": clean_metrics,
             "names": names,