YOLOv5单标签自定义训练mAP始终为0，求解决方案

问题现象 #

尝试进行YOLOv5单标签自定义训练，已完成YAML文件配置，但无论训练多少epoch，mAP值始终为0，训练日志如下：

Epoch   gpu_mem       box       obj       cls    labels  img_size
   1/2    0.614G   0.07749   0.03705         0         7       640: 100% 15/15 [00:01<00:00, 10.99it/s]
           Class     Images     Labels          P          R     mAP@.5 mAP@.5:.95: 100% 3/3 [00:00<00:00, 26.59it/s]
             all         12         14          0          0          0          0

 Epoch   gpu_mem       box       obj       cls    labels  img_size
   2/2    0.614G   0.07758   0.03295         0         5       640: 100% 15/15 [00:01<00:00, 10.98it/s]
           Class     Images     Labels          P          R     mAP@.5 mAP@.5:.95: 100% 3/3 [00:00<00:00, 28.13it/s]
             all         12         14          0          0          0          0

排查方向及解决方法 #

• 检查数据集标注格式
  • 确认标注文件（.txt）符合YOLO要求：每行格式为class_id x_center y_center width height，所有坐标为归一化后的值（相对于图片宽高），绝对坐标会导致模型无法识别有效标签。
  • 单标签任务中，class_id必须为0（YOLO类别从0开始索引），若标注写了其他数值，会与YAML配置不匹配。
• 验证YAML配置文件
  • 确保nc（类别数）设为1，names列表仅包含一个类别名称，例如names: ['your_class']。
  • 检查train/val/test路径是否正确，对应文件夹内图片与标注文件一一对应（如img1.jpg对应img1.txt）。
• 排查数据集问题
  • 当前验证集仅12张图片、14个标签，样本量过小会导致模型无法学习有效特征，建议扩充数据集至至少几百张训练样本。
  • 确认验证集标注文件无缺失或损坏，带标签的图片均有对应.txt文件。
• 检查损失异常原因
  • 日志中cls损失始终为0，说明模型未接收类别损失信号。排查训练命令是否误加--nosave等禁用类别训练的参数，或预训练权重类别数不匹配（建议用yolov5s.pt这类通用权重，避免用多类别训练后的权重）。
• 调整训练参数
  • 增加训练epoch数（如50-100），当前仅训练2个epoch，模型未完成收敛。
  • 针对小数据集调整学习率，可尝试设置--lr0 0.001降低初始学习率。

内容的提问来源于stack exchange，提问作者user19807726