归档157

629 字

3 分钟

YOLO11 数据集目录检查

2026-07-01

计算机视觉

YOLO11

数据集

YOLO11 数据集目录检查#

准备训练 YOLO11 时，最容易卡住的地方不是模型代码，而是数据集路径。图片放错位置、标签文件名对不上、data.yaml 写错目录，都会导致训练时找不到数据。

今天记录一套训练前的检查步骤，先把目录确认清楚，再开始跑模型。

1、推荐的数据集结构#

一个常见的检测数据集可以整理成这样：

1
datasets/
2
  my_yolo_data/
3
    images/
4
      train/
5
      val/
6
    labels/
7
      train/
8
      val/
9
    data.yaml

其中 images/train 放训练图片，labels/train 放训练标签；images/val 放验证图片，labels/val 放验证标签。

2、检查图片和标签是否同名#

YOLO 标签文件需要和图片文件同名，只是后缀不同。例如：

1
images/train/0001.jpg
2
labels/train/0001.txt

如果图片是 0001.jpg，标签却写成 1.txt，训练时就会认为这张图片没有标注。

可以用 Python 简单检查：

1
from pathlib import Path
2

3
img_dir = Path("datasets/my_yolo_data/images/train")
4
label_dir = Path("datasets/my_yolo_data/labels/train")
5

6
imgs = {p.stem for p in img_dir.glob("*.*")}
7
labels = {p.stem for p in label_dir.glob("*.txt")}
8

9
print("只有图片没有标签：", sorted(imgs - labels)[:10])
10
print("只有标签没有图片：", sorted(labels - imgs)[:10])

如果两个输出都是空列表，说明文件名基本对应。

3、检查 data.yaml#

data.yaml 可以先写成这样：

1
path: datasets/my_yolo_data
2
train: images/train
3
val: images/val
4

5
names:
6
  0: person
7
  1: car

这里要注意 path 和 train、val 的组合路径是否真的存在。可以手动拼一下：

1
datasets/my_yolo_data/images/train
2
datasets/my_yolo_data/images/val

如果项目在 Windows 上，路径也尽量使用 /，这样复制到命令里更稳定。

4、先跑一个小命令验证#

正式训练前，可以先用较小参数跑一轮：

1
yolo detect train data=datasets/my_yolo_data/data.yaml model=yolo11n.pt epochs=1 imgsz=640 batch=2

这一步不是为了训练效果，而是为了确认数据能被正常读取。只要能进入训练流程，就说明目录、标签和配置大体没问题。

5、常见错误记录#

我目前遇到比较多的是这几类：

1
1. data.yaml 的 path 写成了不存在的相对路径
2
2. images 和 labels 目录层级不一致
3
3. 标签 txt 文件为空或类别编号超过 names 范围
4
4. 图片后缀混用，但检查脚本只匹配了 jpg
5
5. 命令行运行目录不是项目根目录

遇到报错时，可以先从这几个点反查。

总结#

YOLO11 训练前先不要急着调参数。把数据集目录、图片标签对应关系和 data.yaml 检查清楚，比直接跑训练更节省时间。数据能稳定读进去，后面的模型效果才有讨论意义。

文章分享

如果这篇文章对你有帮助，欢迎分享给更多人！

YOLO11 数据集目录检查

https://blog.tjcheng.cn/posts/daily/2026-07-01/yolo11-dataset-folder-check/

作者

TengJinCheng

发布于

2026-07-01

许可协议

CC BY-NC-SA 4.0

Python import 报错排查清单

服务端口占用排查

音乐

音乐