Диагностика

Эта страница помогает быстро понять, где сломалась цепочка: данные, разметка, обучение, ONNX или EyeAuras.

Предварительные компоненты

Если Prerequisites не зеленые, сначала исправляйте их. Без управляемого Python, PyTorch, Ultralytics и инструментов ONNX локальное обучение не запустится.

Симптом	Что проверить
No space left on device	Освободите место на диске проекта и в папке управляемого Python или кеша загрузок.
CUDA не используется	Проверьте PyTorch runtime в Prerequisites; для принудительного CPU можно добавить device=cpu.
Установка падает	Нажмите Check all, затем Install missing; смотрите текст ошибки в строке компонента.
YOLO просит обновиться	Обновите Ultralytics через интерфейс, если YoloEase предложил обновление.

Набор данных

Симптом	Что проверить
Обучение не стартует	В наборе данных должен быть минимум один кадр в train и один кадр в valid.
Редкий класс не учится	Добавьте больше примеров этого класса; он может попасть только в одну часть разбиения.
Много ложных срабатываний	Добавьте отрицательные кадры без рамок: меню, паузы, пустой фон, похожие цвета.
Модель путает классы	Проверьте метки в редакторе и добавьте контрпримеры обоих классов.
После видео слишком много одинаковых кадров	Увеличьте Frame step или выберите более короткий Range.

Train/Validation % split не гарантирует хорошее разбиение сам по себе. Для серьезного прогона проверьте, что все важные классы встречаются в разных ситуациях, а не только в одном коротком фрагменте видео.

Разметка

Симптом	Что исправить
Модель пропускает объекты	Разметьте больше похожих положительных кадров.
Рамки стоят криво	Поправьте рамки: они должны плотно обнимать видимую часть объекта.
Авторазметка портит набор данных	Не принимайте предложения вслепую; удаляйте ложные срабатывания до Finish Job.
Объект иногда размечен, иногда нет	Решите, как размечать такой случай, и делайте так везде.

Предложения модели не попадают в обучение, пока вы не нажали Accept или Accept all.

Обучение

Симптом	Что проверить
Не найден data.yaml	Пересоберите набор данных через Trainer; проверьте завершенные задачи.
Нет best.pt	YOLO не завершил обучение; смотрите ленту выполнения и текст ошибки.
Ошибка экспорта ONNX	Проверьте, что best.pt существует, а модель является YOLO-моделью для детекции объектов.
Не хватает VRAM	Уменьшите Model Size, используйте yolo11n.pt, уменьшите batch или добавьте device=cpu.
Windows расходует слишком много памяти	Не увеличивайте workers без необходимости; по умолчанию YoloEase использует workers=0.

На маленьких наборах данных метрики могут быть ненадежными. Смотрите не только на mAP, но и на реальные предсказания в YoloEase и OSD в EyeAuras.

ONNX

Симптом	Что проверить
Модель не грузится	Это должен быть экспорт Ultralytics YOLO для детекции объектов, желательно opset 17.
Нет имен классов	Используйте сопоставление меток в редакторе или проверьте метаданные names.
Внешний ONNX не работает	Программа, где запускается модель, должна поддерживать разбор выхода YOLO и NMS.
В EyeAuras выбран файл .pt	Для ML Search нужен .onnx, .pt оставьте для обучения.

EyeAuras

Симптом	Что проверить
В YoloEase хорошо, в EyeAuras плохо	Сравните область захвата, масштаб окна, эффекты и загруженный .onnx.
Рамки смещены	Проверьте область захвата и эффекты до ML Search.
Клики идут не туда	Сначала включите OSD, потом Mouse Move, и только после проверки добавляйте действие клика.
Модель видит слишком мелкие объекты	Добавьте Width Min и Height Min в ML Find Class.

Если ошибка повторяется только в реальном сценарии, запишите короткое видео именно этой ошибки через EyeAuras, добавьте его в YoloEase, разметьте и обучите новое поколение.

См. также: Trainer, YOLO ONNX и веса моделей, EyeAuras интеграция.