YOLOV5训练数据集 报错（已解决） ValueError: not enough values to unpack (expected 3, got 0)

在训练自己的数据集时发生的错误，运行train.py,如图所示，就是报错

应该是能够找到标签信息，也可以获取照片，但标签的类别有问题

 这是标签的.txt文件

这是.yaml文件的路径信息 

！！！！更新

已解决

仅针对于我出现的问题

将ship类别名称转化为对应的整数，此外还要将.txt文档里的四个数据归一化处理，处理后类别整数在最前面为0，后面四个数字分别为归一化后的数字，均不超过1且大于0.

以下是归一化.txt文档数据的代码，图像高度宽度自己根据自己的实际情况修改，文件读入路径，写入路径也要自己修改，此外，最开始未被归一化的文档，我的类别id，在最后面，所以代码中class_id索引为4，索引0到4，即为要读取的x_center,y_center,width,height,经过归一化后class_id在最前面，可根据代码自身需要情况修改。

# 假设图像的宽度和高度已知
image_width = 800
image_height = 800

# 打开原始标签文件进行读取
with open('D:/www/datadata/images/train/labels/00ef28664.txt', 'r') as file:
    lines = file.readlines()

# 归一化坐标并写入新文件
with open('D:/www/datadata/images/train/labels1/00ef28664.txt', 'w') as new_file:
    for line in lines:
        # 解析每行数据
        parts = line.strip().split(' ')
        class_id = parts[4]  # 类别索引，直接使用字符串
        x_center, y_center, width, height = list(map(float, parts[0:4]))  # 浮点数坐标

        # 归一化坐标
        normalized_x_center = x_center / image_width
        normalized_y_center = y_center / image_height
        normalized_width = width / image_width
        normalized_height = height / image_height



        # 写入归一化后的坐标，类别索引保持为字符串
        new_file.write(f"{class_id} {normalized_x_center} {normalized_y_center} {normalized_width} {normalized_height}\n")

print("Normalization completed.")

小菜鸟第一次发文章好激动！！！哈哈哈哈哈