1

server/training/train_server.py

@@ -8,7 +8,9 @@
 任务参数（Go 侧写入，字段相对训练机 workdir）：
     workdir       训练机工作目录（脚本 / yolov8s.pt / venv 所在），启动即 chdir
     yolo          训练集目录（含 dataset.yaml），相对 workdir
-    model         训练基座权重文件名（workdir 下，默认 yolov8s.pt）
+    model         训练基座权重文件名（workdir 下，默认 yolov8s.pt；增量训练时为 Go 侧推到
+                  trainings/weights/<基名>.pt 的上次成功权重，类别数不符时 ultralytics
+                  自动重建检测头、backbone 热启动）
     imgsz         训练/导出分辨率（默认 1280，与端侧推理对齐）
     epochs        训练轮数
     batch         批大小
@@ -19,10 +21,13 @@
 
 产物契约：
     log_file      {"epoch":1,"total":150,"metrics":{"metrics/mAP50(B)":0.87,...}}
-    result_file   {"metrics":{...},"names":["pheasant","suspect"],"best_tflite":"runs/tasks/<id>/weights/best.tflite",
+    result_file   {"metrics":{...},"names":["pheasant","suspect"],
+                   "best_tflite":"runs/tasks/<id>/train/weights/best.tflite",
+                   "best_pt":"runs/tasks/<id>/train/weights/best.pt",
                    "tflite_check":{"ok":true,"reason":"","inputs":[...],"outputs":[...]}}
                   result_file 存在 = 训练完成；异常时写 {"error":"..."}，Go 侧据以置失败并展示原因。
                   tflite_check.ok=false（产物 shape 异常）时 Go 侧置训练失败并带出 reason。
+                  best_pt 供 Go 侧存档 workspace/trainings/weights/ 作下次增量基座（2026-09-09）。
 """
 
 import argparse
@@ -251,7 +256,12 @@ def main():
 
     try:
         from ultralytics import YOLO
-        model = YOLO(task.get("model") or "yolov8s.pt")
+        # 基座权重相对 workdir（增量训练时为 Go 推送的 trainings/weights/<基名>.pt）；
+        # 仅在 workdir 下确有该文件时绝对化，裸名（yolov8s.pt）缺文件仍走 ultralytics 自下载
+        model_path = task.get("model") or "yolov8s.pt"
+        if not os.path.isabs(model_path) and os.path.exists(os.path.join(base, model_path)):
+            model_path = os.path.join(base, model_path)
+        model = YOLO(model_path)
         register_callback(model)
         if is_mps:
             def _mps_cache(_trainer):
@@ -321,11 +331,14 @@ def main():
             if isinstance(v, (int, float)) and math.isfinite(v):
                 clean_metrics[k] = round(float(v), 5)
 
-        # best_tflite 相对 workdir，Go 侧按此路径拉取（不再打包 zip，仅回传 tflite）
+        # best_tflite/best_pt 相对 workdir，Go 侧按此路径拉取（不再打包 zip，仅回传 tflite/pt）；
+        # best_pt 存档 trainings/weights/ 作下次增量基座（不存在不致命，缺省空串）
+        best_pt = save_dir / "weights" / "best.pt"
         write_result(result_file, {
             "metrics": clean_metrics,
             "names": names,
             "best_tflite": os.path.relpath(best_tflite, base),
+            "best_pt": os.path.relpath(best_pt, base) if best_pt.exists() else "",
             "tflite_check": tflite_check,
         })
     except Exception: