已解决训练自己yolov7检测模型时报错：AssertionError: train: No labels in XXX/XXX/train.cache.

9月前作者：林鸭鸭分类：Toy博客阅读(36) 违法举报

这篇具有很好参考价值的文章主要介绍了已解决训练自己yolov7检测模型时报错：AssertionError: train: No labels in XXX/XXX/train.cache.。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

问题描述

在使用yolov7训练自己数据集的模型时，数据集制作与处理完成以及对train.py文件的参数也修改完成之后，运行train.py出现报错内容为：AssertionError: train: No labels in VOCdevkit/VOC2007/train.cache.（VOCdevkit/VOC2007是我存放自己数据集的路径）
已解决训练自己yolov7检测模型时报错：AssertionError: train: No labels in XXX/XXX/train.cache.

解决方法

进行调试后，发现yolov7源代码在utils/datasets.py文件中的def img2label_paths(img_paths): 函数中默认存放数据集图像的文件夹是images，需要将’images’为’JPEGImages’（自己存放数据集图片的文件夹），就能根据图像位置获得标签位置。
但是经过上步修改后运行train.py还会报相同的错误时，这是因为前面运行了train.py文件，已在VOCdevkit/VOC2007文件夹下生成train.cache文件（不完整的），需要在下次运行前将train.cache文件删除。
经过上面两个操作后重新运行train.py网络就开始训练了。文章来源地址https://www.toymoban.com/news/detail-460242.html

到了这里，关于已解决训练自己yolov7检测模型时报错：AssertionError: train: No labels in XXX/XXX/train.cache.的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：如若内容造成侵权/违法违规/事实不符，请点击违法举报进行投诉反馈，一经查实，立即删除！

分享到：

领支付宝红包赞助服务器费用

YOLOv7——训练自己的数据集

论文地址：https://arxiv.org/abs/2207.02696 源码地址：https://github.com/WongKinYiu/yolov7 下载好代码包，解压后配置环境，在终端直接下载requirements.txt的代码就好（本人环境：torch 1.8.0，当然有一些tensorboard、wandb等工具包需要自己下载啦~） wandb安装教程看这个：wandb使用_ai-ai360的博客

2024年02月11日
浏览(38)
【yolov7】训练自己的数据集-实践笔记

使用yolov7训练自己的数据集，以RSOD数据集为例，图像数量976，一共四类。 yolov7源码：https://github.com/WongKinYiu/yolov7 同时在该网址下载好预训练文件，直接放到yolov7-main/下 1.环境配置 2.数据集准备前两步与yolov5相同，参考【yolov5】训练自己的数据集-实践笔记测试直接执行de

2024年02月16日
浏览(42)
YOLOv7训练自己的数据集(超详细)

目录一、准备深度学习环境二、准备自己的数据集 1、创建数据集 2、转换数据格式 3、配置文件三、模型训练 1、下载预训练模型 2、训练四、模型测试五、模型推理 YOLOv7训练自己的数据集整个过程主要包括：环境安装----制作数据集----模型训练----模型测试

2024年02月04日
浏览(71)
【3】使用YOLOv8训练自己的目标检测数据集-【收集数据集】-【标注数据集】-【划分数据集】-【配置训练环境】-【训练模型】-【评估模型】-【导出模型】

云服务器训练YOLOv8-新手教程-哔哩哔哩 🍀2023.11.20 更新了划分数据集的脚本在自定义数据上训练 YOLOv8 目标检测模型的步骤可以总结如下 6 步： 🌟收集数据集 🌟标注数据集 🌟划分数据集 🌟配置训练环境 🌟训练模型 🌟评估模型随着深度学习技术在计算机视觉领域的广泛

2023年04月15日
浏览(80)
yolov7训练自己的数据集-gpu版

三级目录 yolov7官网： https://github.com/WongKinYiu/yolov7 miniconda清华源： https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/ 安装最新款的在开始中找到Anaconda并打开 1.创建 2.激活打开yolov7源码找到最下面的requirements.txt打开并将torch那一行注释打开终端安装依赖 1.直接跳转看详细版详细版

2024年02月07日
浏览(37)
YOLOv7训练自己的数据集(txt文件，笔记）

目录 1.代码下载 2.数据集准备（.xml转.txt) （1）修改图像文件名（2）图片和标签文件数量不对应，解决办法（3）.xml转.txt （4）.txt文件随机划分出对应的训练集、测试集、验证集 3.训练数据集（1）修改.yaml文件（2）修改网络参数（3）训练中断论文地址： https://arxiv.

2024年02月02日
浏览(42)
YOLOV7训练自己的数据集以及训练结果分析(手把手教你)

YOLOV7训练自己的数据集整个过程主要包括：环境安装----制作数据集----参数修改----模型测试----模型推理 labelme标注的数据格式是VOC，而YOLOv7能够直接使用的是YOLO格式的数据，因此下面将介绍如何将自己的数据集转换成可以直接让YOLOv7进行使用。 1. 创建数据集在data目录下新建

2023年04月20日
浏览(49)
【YOLOv7】使用 YOLOv7 做目标检测 (使用自己的数据集 + 图解超详细)

论文链接：https://arxiv.org/abs/2207.02696 GitHub 链接：https://github.com/WongKinYiu/yolov7 修改YOLOV7配置 data.yaml 新建data.yaml文件，配置yolov7的数据集，数据集为 YOLO格式。 weights 新建weights文件夹，下载yolov7.pt https://github.com/WongKinYiu/yolov7/releases/download/v0.1/yolov7.pt。 train.py 修改如下的参数，

2024年02月12日
浏览(35)
YOLOv5使用NCNN将模型部署到Android端教程（1）部署自己的训练模型到Android实现静态图片检测

之前一直是在电脑端运行YOLOv5，但在户外调试的时候不太方便，因此考虑把YOLOv5的代码移植到手机端。这个部署的流程其实很简单：原始pt权重中间onnx权重ncnn权重修改Android Studio源码得到安卓APP结束。如果你感觉博客教程太长了，那么很有可能是中间的图片太多，以及之前自

2023年04月09日
浏览(78)
yolov7目标检测：基于自定义数据集完成检测、训练、测试

2024年01月13日
浏览(53)