yolov5训练单一类别报错

Traceback (most recent call last):
  File "train.py", line 541, in <module>
    train(hyp, opt, device, tb_writer)
  File "train.py", line 195, in train
    assert mlc < nc, 'Label class %g exceeds nc=%g in %s. Possible class labels are 0-%g' % (mlc, nc, opt.data, nc - 1)
AssertionError: Label class 1 exceeds nc=1 in data/coco128.yaml. Possible class labels are 0-0

删除 .cache缓存,这个应该是更换标签时缓存没有更新所以出问题了。

 

参考how to save :AssertionError: Label class 16 exceeds nc=1 in ../data.yaml. Possible class labels are 0-0 · Issue #1538 · ultralytics/yolov5 (github.com)

  • 2
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 13
    评论
问题: yolov5训练报错,如何解决? 回答: 在yolov5训练过程中,可能会遇到不同的错误。根据引用\[1\]和引用\[2\]的内容,有几种常见的错误和解决方法。首先,如果在训练开始时出现AttributeError: Can't get attribute 'SPPF'错误,可以尝试使用正确的解决方法来解决这个问题。其次,如果在运行yolov5-5.0时出现RuntimeError: result type Float can't be cast to the desired output type__int64错误,可以尝试检查代码中的数据类型是否正确。此外,如果在初次编译时出现ModuleNotFoundError: No module named 'torch'错误,可以尝试安装缺少的torch模块。总之,根据具体的错误信息,可以参考引用\[2\]中提供的链接,或者根据引用\[3\]中的汇总来解决yolov5训练时的报错。 #### 引用[.reference_title] - *1* [YOLOv5训练遇到的问题(上)](https://blog.csdn.net/sinat_38961618/article/details/124769585)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item] - *2* *3* [YOLOv5初级问题与报错汇总](https://blog.csdn.net/m0_68524176/article/details/128415084)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 13
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值