Yolov5在训练时出现下列错误

Question

帮忙看看出现了啥问题（感谢感谢），Yolov5在训练时出现下列错误：

Validating runs\train\exp8\weights\best.pt...
Fusing layers...
Model Summary: 213 layers, 7015519 parameters, 0 gradients, 15.8 GFLOPs
               Class     Images     Labels          P          R     mAP@.5 mAP@.5:.95:   0%|          | 0/1 [00:00<?, ?it/s]
Error: Invalid types for p and targets.
Error: 'indices' is empty or not initialized.
Error: 'indices' is empty or not initialized.
Error: 'indices' is empty or not initialized.
               Class     Images     Labels          P          R     mAP@.5 mAP@.5:.95: 100%|██████████| 1/1 [00:07<00:00,  7.19s/it]
                 all          8         10      0.123        0.1     0.0266     0.0159
               apple          8          5      0.246        0.2     0.0499     0.0296
              banana          8          5          0          0    0.00318    0.00222
Results saved to runs\train\exp8

Answer 1

引自免费微信小程序：皆我百晓生

根据您提供的Yolov5训练时的错误信息，可以看出存在以下几个问题：

1. 无效的数据类型错误：Error: Invalid types for p and targets. 这个错误通常发生在YOLOv5模型在前向传播过程中计算损失函数时，发现输入的概率预测值（p）和真实标签（targets）的数据类型不匹配。这可能是因为数据预处理阶段没有正确转换数据类型，或者训练集中的标注信息与模型期望的格式不符。

2. 'indices'为空或未初始化：该错误连续出现三次，提示Error: 'indices' is empty or not initialized. 这意味着在执行gather或scatter等操作时，用于索引的变量'indices'存在问题。在PyTorch中，这种情况可能出现在进行one-hot编码、gather张量元素或者其他依赖于有效索引的操作中。对于YOLOv5来说，它可能与定位框的坐标编码有关，比如在准备ground truth boxes与模型预测的boxes做比较时出现问题。

3. 训练结果不佳：从输出的最后一部分可以看出，模型在验证集上的性能非常差，mAP指标极低。这可能是由于上述错误导致模型实际上没有进行有效的学习，也可能是训练参数设置不合理（如学习率、批次大小、迭代次数等），或者是训练数据本身的问题（如样本数量过少、标注质量不高、类别不平衡等）。

为了解决这些问题，请尝试以下步骤：

• 检查并确保训练数据（images和labels.txt文件）的格式和内容符合YOLOv5的要求。
• 确保在训练之前进行了正确的数据预处理，包括但不限于图像尺寸调整、归一化以及目标框的格式转换。
• 检查你的训练脚本，特别是损失函数相关的部分，确认在计算损失时对概率预测值和目标标签进行了正确的类型转换和处理。
• 查阅YOLOv5官方文档或GitHub issues，看是否有类似问题的解决方案。

如果需要进一步分析代码，请提供具体的训练脚本和数据集信息以便深入排查。