YOLOv7 训练报错 Exception: Dataset not found. yolov7与yolov5数据集

1、问题
YOLOV7训练报错:
Exception: Dataset not found.
在这里插入图片描述
2、解决方案
本人经过多次,才调通模型
yolov7与yolov5数据集有巨大的区别。

第一:把包含数据集的文件夹放入yolov7模型文件内,yolov7-main里面包含数据集文件夹dataset,这个文件夹是自己创建的,用来存储数据集
文件结构如下:
在这里插入图片描述

第二、数据集文件结构
在这里插入图片描述
在这里插入图片描述
大家可以发现,yolov7数据集结构和yolov5有很大的区别

第三、格外注意,txt文件的路径只需要从当前目录开始,就是从模型文件目录开始
(此处我曾设定为相对路径,即开头 …/dataset,报错)
(我也曾设定完整的路径,报错)
因为yolov7比较奇怪,都是以模型文件为主目录
在这里插入图片描述

第四、数据的yaml文件内设置的路径为完整的路径
(此处我曾设定为相对路径,及…/dataset开头,报错)
(此处我也曾设定为绝对路径,但以dataset开头,报错)
在这里插入图片描述

第五、训练文件train.py参数修改
注意,此处参数设定都要以模型文件为主目录,不需要加相对路径
在这里插入图片描述

3、给大家提供生成YOLOv7的txt标签文件的代码

##制作label list  
import os    
def listdir(path, list_name):   
	# 传入存储的list      	
	for file in os.listdir(path):
	 	file_path = os.path.join(path, file)
	 	if os.path.isdir(file_path):          		     			
	 		listdir(file_path, list_name)
	 	else:
	 		list_name.append(file_path)
list_name = []  
path = 'dataset/yolov7_new_data/images/val' # 文件夹路径  
listdir(path, list_name)
print(list_name) 
    
with open('val.txt', 'w') as f:  # 要存入的txt      	
	write = ''      	
	for i in list_name:          
		write = write + str(i) + '\n'         
	f.write(write)

代码跑不通就看这个
在这里插入图片描述

  • 11
    点赞
  • 25
    收藏
    觉得还不错? 一键收藏
  • 9
    评论
YOLO系列是基于深度学习的端到端实时目标检测方法。 PyTorch版的YOLOv5轻量而高性能,更加灵活和易用,当前非常流行。 本课程将手把手地教大家使用labelImg标注和使用YOLOv5训练自己的数据集。课程实战分为两个项目:单目标检测(足球目标检测)和多目标检测(足球和梅西同时检测)。  本课程的YOLOv5使用ultralytics/yolov5,在Windows和Ubuntu系统上分别做项目演示。包括:安装YOLOv5、标注自己的数据集、准备自己的数据集(自动划分训练集和验证集)、修改配置文件、使用wandb训练可视化工具、训练自己的数据集、测试训练出的网络模型和性能统计。 除本课程《YOLOv5实战训练自己的数据集(Windows和Ubuntu演示)》外,本人推出了有关YOLOv5目标检测的系列课程。请持续关注该系列的其它视频课程,包括:《YOLOv5(PyTorch)目标检测:原理与源码解析》课程链接:https://edu.csdn.net/course/detail/31428《YOLOv5目标检测实战:Flask Web部署》课程链接:https://edu.csdn.net/course/detail/31087《YOLOv5(PyTorch)目标检测实战:TensorRT加速部署》课程链接:https://edu.csdn.net/course/detail/32303《YOLOv5目标检测实战:Jetson Nano部署》课程链接:https://edu.csdn.net/course/detail/32451《YOLOv5+DeepSORT多目标跟踪与计数精讲》课程链接:https://edu.csdn.net/course/detail/32669《YOLOv5实战口罩佩戴检测》课程链接:https://edu.csdn.net/course/detail/32744《YOLOv5实战中国交通标志识别》课程链接:https://edu.csdn.net/course/detail/35209 《YOLOv5实战垃圾分类目标检测》课程链接:https://edu.csdn.net/course/detail/35284  
YOLO系列是基于深度学习的端到端实时目标检测方法。 PyTorch版的YOLOv5轻量而性能高,更加灵活和易用,当前非常流行。 本课程将手把手地教大家使用labelImg标注和使用YOLOv5训练自己的数据集。课程实战分为两个项目:单目标检测(足球目标检测)和多目标检测(足球和梅西同时检测)。 本课程的YOLOv5使用ultralytics/yolov5,在Windows系统上做项目演示。包括:安装YOLOv5、标注自己的数据集、准备自己的数据集、修改配置文件、使用wandb训练可视化工具、训练自己的数据集、测试训练出的网络模型和性能统计。 希望学习Ubuntu上演示的同学,请前往 《YOLOv5(PyTorch)实战:训练自己的数据集(Ubuntu)》课程链接:https://edu.csdn.net/course/detail/30793  本人推出了有关YOLOv5目标检测的系列课程。请持续关注该系列的其它视频课程,包括:《YOLOv5(PyTorch)目标检测实战:训练自己的数据集》Ubuntu系统 https://edu.csdn.net/course/detail/30793Windows系统 https://edu.csdn.net/course/detail/30923《YOLOv5(PyTorch)目标检测:原理与源码解析》课程链接:https://edu.csdn.net/course/detail/31428《YOLOv5目标检测实战:Flask Web部署》课程链接:https://edu.csdn.net/course/detail/31087《YOLOv5(PyTorch)目标检测实战:TensorRT加速部署》课程链接:https://edu.csdn.net/course/detail/32303《YOLOv5目标检测实战:Jetson Nano部署》课程链接:https://edu.csdn.net/course/detail/32451《YOLOv5+DeepSORT多目标跟踪与计数精讲》课程链接:https://edu.csdn.net/course/detail/32669《YOLOv5实战口罩佩戴检测》课程链接:https://edu.csdn.net/course/detail/32744《YOLOv5实战中国交通标志识别》课程链接:https://edu.csdn.net/course/detail/35209《YOLOv5实战垃圾分类目标检测》课程链接:https://edu.csdn.net/course/detail/35284       
评论 9
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