使用Ultralytics YOLOv8训练模型遇FileNotFoundError的问题排查

问题 #

参考LearnOpenCV教程，使用自定义坑洞数据集训练Ultralytics YOLOv8模型，配置的yaml文件如下：

path: d:/MyData/Yolo8_tutorial/pothole_dataset_v8
train: 'train/images'
val: 'valid/images'

# class names
names:
    0: 'pothole'

在Jupyter Notebook中运行的训练代码：

# Load the model.
model = YOLO('yolov8n.pt')
 
# Training.
results = model.train(
   data=pothole_yaml_file,
   epochs=1,
   name='yolov8n_v8_50e'
)

训练约7分钟后出现错误：

Validating d:\MyData\Yolo8_tutorial\runs\detect\yolov8n_v8_50e7\weights\best.pt...
Ultralytics YOLOv8.0.72  Python-3.9.0 torch-2.0.0+cu118 CUDA:0 (NVIDIA GeForce GTX 1050, 3072MiB)
Model summary (fused): 168 layers, 3005843 parameters, 0 gradients, 8.1 GFLOPs

FileNotFoundError: Dataset 'pathole_data.ymal' for task=detect not found 

错误原因 #

• 文件名拼写错误：错误信息里的pathole_data.ymal存在两处错误，一是单词拼写错误（pathole应为pothole），二是文件后缀错误（.ymal应为.yaml）
• 训练代码中pothole_yaml_file变量指向的文件路径/名称有误，导致训练进入验证阶段时，无法找到正确的数据集配置文件

解决方法 #

• 检查pothole_yaml_file变量的赋值，确保它指向你实际创建的yaml文件的完整且正确的路径，文件名必须完全匹配（比如你的yaml文件如果命名为pothole_data.yaml，就不能写成错误的pathole_data.ymal）
• 确认你的yaml文件后缀是.yaml，文件名拼写为pothole而非pathole
• 验证yaml文件的存放位置：在Jupyter Notebook中可以执行import os; print(os.getcwd())查看当前工作目录，确保yaml文件的路径（相对路径或绝对路径）能被当前环境正确访问，必要时调整文件路径或切换工作目录

内容的提问来源于stack exchange，提问作者mans