043、YOLOv11训练涨点技巧——EMA指数移动平均与SWA随机权重平均的即插即用策略与mAP提升一个让我深夜debug的真实故事上个月调YOLOv11，跑COCO子集，训练到第200个epoch，验证集mAP卡在52.3%死活上不去。学习率调了、数据增强换了、甚至把backbone换成RepViT，结果还是纹丝不动。直到我翻出之前写的一个小工具——EMA权重保存脚本，把训练过程中平滑后的权重拿出来做验证，mAP直接跳到53.8%。那一刻我意识到，很多时候模型不是学得不好，而是最后的权重选得不对。EMA（指数移动平均）和SWA（随机权重平均）这两个技巧，在YOLOv11里其实已经被部分实现，但官方默认配置并没有完全释放它们的潜力。今天这篇笔记，我会把这两个即插即用的策略拆开揉碎，讲清楚它们为什么能涨点、怎么在YOLOv11里正确接入、以及我踩过的那些坑。EMA指数移动平均——为什么你的验证权重选错了YOLOv11训练过程中，权重更新是震荡的。SGD+Momentum的优化器本质上是沿着梯度方向做修正，但每个batch的噪声会导致权重在最优解附近来回跳动。EMA的核心思想很简单：维护一份模型参数的影子副本，每次更新时按照θ_ema = α * θ_ema + (1-α) * θ的方式平滑更新，其中α通常取0.999或0.9999。这个影子权重在训练后期比当前权重更稳定，因为它相当于对过去N步的权重做了加权平均，抑制了高频震荡。我在YOLOv11上实测，EMA权重在验证集上的mAP普