训练YOLOv8时出现IndexError的问题排查与求助

核心错误原因 #

你的data.yaml文件存在明显矛盾：nc: 0表示类别数量为0，但names: ['particle']定义了1个类别，两者不匹配是触发索引越界错误的直接原因。YOLOv8会根据nc值初始化模型的类别输出维度，当nc=0时，模型无法处理标注中的类别索引（即使是0），从而抛出IndexError。

步骤1：修正data.yaml配置 #

将nc值改为与names列表长度一致的数值（这里是1），同时适配Windows系统的路径格式：

path: C:\Users\pksha\yolo  # 替换为你Windows系统下的实际项目路径，或用相对路径"."表示当前目录
train: train/images
val: val/images
nc: 1  # 必须和names的类别数量一致
names: ['particle']

步骤2：检查数据集结构与标注 #

确保你的数据集符合YOLO格式要求：

• 项目目录下需包含train/images、train/labels、val/images、val/labels四个文件夹
• 每张图像（如img1.jpg）对应同名的标注文件（img1.txt），标注格式为：类别索引 x_center y_center width height（所有坐标值需做归一化处理，类别索引从0开始，这里只能是0）

步骤3：调整训练代码（指定图像尺寸） #

在训练时显式指定输入图像尺寸为416*416，匹配你的需求：

from ultralytics import YOLO

# 加载模型（从头训练用yaml，微调预训练模型用.pt）
model = YOLO("yolov8l.yaml")

# 启动训练，指定图像尺寸
results = model.train(data="data.yaml", epochs=1, imgsz=416)

内容的提问来源于stack exchange，提问作者Puneet Sharma