一、参考来源

https://github.com/ultralytics/yolov5

YOLOv5自定义数据集_汤俊杰2131312的博客-CSDN博客

二、解决思路

最近在做yolo算法的目标检测任务时，把自己做的数据集设置完毕后，运行train.py文件。

报错：AssertionError: train: No labels in D:\******\data。

我的解决方法是去github源地址，找到自制数据集应该具备的文件目录层级，然后按照这个层级去布置图像文件、标签文件的位置，最后运行的时候程序就能找到图像对应的标签了。

下面是数据集配置文件，里面有yolo训练程序所需文件目录层级信息。

# dataset structure
#YOLO_dir
#└─ mydata
#       ├─ images
#       │    ├─ test # 下面放测试集图片
#       │    ├─ train # 下面放训练集图片
#       │    └─ val # 下面放验证集图片
#       └─ labels
#              ├─ test # 下面放测试集标签
#              ├─ train # 下面放训练集标签
#              ├─ val # 下面放验证集标签

# train and val data as 1) directory: path/images/, 2) file: path/images.txt, or 3) list: [path1/images/, path2/images/]
train: D:/BaiduNetdiskDownload/pycv-learning/data/spot_data/images/train
val: D:/BaiduNetdiskDownload/pycv-learning/data/spot_data/images/val

# number of classes
nc: 8

# class names
names: ['edge', 'norsdl', 'twdsast', 'cofasr', 'odfsflap', 'fsake', 'mfdgdstion', 'spsdfash']