Noticias IA — fuente primaria
Ultralytics corrige invalidación de caché en YOLO v8.4.155 para entrenamientos reproducibles
Edición: Álvaro Maureira Fecha: Fuente: Ultralytics Releases
Ultralytics lanza la versión 8.4.155 de su biblioteca de visión por computadora, solucionando un bug silencioso de reutilización de archivos 'labels.cache' desactualizados tras modificar definiciones en 'data.yaml'.
Hechos verificados
- 01. Invalidación estricta de caché mediante hashing SHA-256 de las etiquetas y rutas declaradas en los manifiestos de datasets.
- 02. Eliminación de falsos positivos en entrenamientos de detección de objetos causados por anotaciones históricas residuales.
- 03. Mejoras de compatibilidad con exportadores TensorRT 10 y aceleración de inferencia en procesadores Apple Silicon.
Mecanismo técnico y arquitectura
Durante iteraciones de machine learning, los ingenieros ajustan frecuentemente nombres de clases o reorganizan subconjuntos de datos en 'data.yaml'. En versiones previas, si el archivo de caché precalculado existía en disco, el loader de PyTorch lo reutilizaba sin contrastar si el esquema había cambiado, provocando fallos de convergencia silenciosos.
La actualización v8.4.155 añade un chequeo de integridad semántico que recalcula los hashes de anotación antes de inicializar los DataLoaders distribuidos.
Implicancias estratégicas para la industria
Evita desperdicio de horas de cómputo en clústeres de GPUs por datos desincronizados en proyectos industriales de visión.
Fortalece la reproducibilidad experimental en pipelines de MLOps que operan con datasets en continuo cambio.
Fuente oficial y alcance de la verificación
Esta noticia fue extraída, contrastada y documentada directamente desde el canal oficial de Ultralytics Releases.
