计算机视觉 / 系统课时
编写数据配置文件
编写数据配置文件
数据配置文件把数据集位置、训练与验证划分以及类别定义交给 YOLOv5。完成本课后,你将得到一份可直接传给 train.py 的 YAML 文件,并能在训练前主动发现路径和类别配置错误。
学习目标
- 正确填写
path、train、val、nc和names - 理解图像目录与标签目录之间的对应规则
- 能在启动训练前校验配置文件是否可用
配置文件解决什么问题
训练脚本不应把本机目录和类别名称写死在代码中。数据 YAML 充当统一入口:训练器读取它后定位训练集与验证集,并据此确定检测头需要输出多少个类别。
相对路径通常以 YOLOv5 项目根目录为基准解析。train 和 val 可以指向图像目录,也可以指向保存图像路径的文本清单;两者都应位于 path 指定的数据集根目录下。
编写数据 YAML
假设数据集名为 fruit,包含 apple、banana 和 orange 三类,在项目的 data/fruit.yaml 中写入:
path: ../datasets/fruit
train: images/train
val: images/val
nc: 3
names:
- apple
- banana
- orange这是一段配置文件,不会直接产生控制台输出。生效后,训练器会把训练图像解析到 ../datasets/fruit/images/train,把验证图像解析到 ../datasets/fruit/images/val,并按 names 的顺序把类别编号映射为 0、1、2。
nc 必须等于 names 的数量。标签文件中的第一列是类别编号,因此 0 必须代表 apple,1 必须代表 banana,不能在训练中途调整名称顺序。
图像与标签如何对应
YOLOv5 会根据图像路径推导标签路径:通常把路径中的 images 替换为 labels,再把图片扩展名改为 .txt。例如:
../datasets/fruit/images/train/0001.jpg
../datasets/fruit/labels/train/0001.txt上面是路径对应示例,不是可执行命令。图像可以暂时没有目标,但对应标签文件应为空文件;若图片中存在目标却缺少标签,会被当作背景样本,容易拉低召回率。
训练前校验配置
在 YOLOv5 项目根目录创建 validate_data_yaml.py。下面脚本会检查必填字段、类别数量和训练验证目录。
from pathlib import Path
import yaml
config_path = Path("data/fruit.yaml")
project_root = Path.cwd()
with config_path.open("r", encoding="utf-8") as file:
data = yaml.safe_load(file)
required_keys = {"path", "train", "val", "nc", "names"}
missing = required_keys - data.keys()
if missing:
raise ValueError(f"缺少字段: {sorted(missing)}")
if data["nc"] != len(data["names"]):
raise ValueError("nc 必须等于 names 的数量")
# 相对路径按 YOLOv5 项目根目录解析
dataset_root = Path(data["path"])
if not dataset_root.is_absolute():
dataset_root = (project_root / dataset_root).resolve()
for split in ("train", "val"):
split_path = (dataset_root / data[split]).resolve()
if not split_path.exists():
raise FileNotFoundError(f"{split} 路径不存在: {split_path}")
print(f"配置校验通过:{data['nc']} 个类别")
print("train 和 val 路径均存在")运行校验:
python validate_data_yaml.py预期输出:
配置校验通过:3 个类别
train 和 val 路径均存在若实际目录不同,请先修改 YAML 中的路径。若环境缺少 yaml 模块,应在当前 YOLOv5 虚拟环境中安装项目依赖,而不是改写脚本绕过解析。
启动训练并处理常见错误
配置校验通过后,可从项目根目录启动训练:
python train.py --img 640 --batch 16 --epochs 50 --data data/fruit.yaml --weights yolov5s.pt预期结果:
训练进程成功读取 data/fruit.yaml,完成 train/val 数据检查,并进入第 1 个 epoch。若出现 Dataset not found,先检查当前工作目录和 path;若提示类别越界,检查标签首列是否落在 0 到 nc - 1;若类别名称与结果错位,检查 names 顺序是否与标注编号一致。端口、时间和输出目录等运行信息会因环境不同而变化。
本课总结
- 数据 YAML 集中定义数据集根目录、训练验证划分和类别映射
nc、names与标签中的类别编号必须严格一致- 训练前校验路径和字段,可以提前阻断大多数数据入口错误
下一课预告
下一课将设置训练参数,理解图像尺寸、批次大小、训练轮数和预训练权重如何影响训练速度与最终效果。