YOLOv5训练生成权重文件但无预测结果、统计文件为空问题求助

核心问题原因 #

• 参数解析异常 #

训练命令中显式传入了--image-weights ''空值参数，该参数默认值为False无需额外配置，不同环境下argparse对空字符串的解析逻辑存在差异，本地环境可能识别为异常值，导致训练阶段的样本加权逻辑出错，损失计算返回nan值，模型无法学习有效特征。

• 数据集路径配置错误 #

本地../datasets/coco128/coco128.yaml文件中的train、val路径配置可能存在错误：YOLOv5读取数据集路径时以yaml文件所在目录为基准，而非执行train.py的工作目录，若路径配置错误会导致训练时无法读取标签文件，模型仅学习背景特征，自然无有效预测输出。

• 本地依赖版本不兼容 #

相同代码在Colab可正常运行，优先排查本地pytorch、torchvision、numpy版本与Colab环境的差异，版本不兼容尤其是numpy版本过高、pytorch与CUDA版本不匹配时，会导致训练过程中损失计算溢出为nan，无有效训练结果。

• 混合精度训练适配问题 #

若本地显卡驱动、CUDA版本较旧，YOLOv5默认开启的自动混合精度（AMP）训练可能出现精度溢出，全程返回nan损失，最终训练得到的权重无预测能力。

修复步骤 #

1. 修正训练命令，移除无效的--image-weights ''参数，修正后命令如下：
   python train.py --img 640 --batch 8 --epochs 3 --data ../datasets/coco128/coco128.yaml --workers 0 --name test
2. 打开coco128.yaml文件，校验train、val字段指向的图片、标签文件夹路径是否真实存在，标签与图片命名是否一一对应
3. 执行以下命令查看本地依赖版本，与Colab环境的版本对齐，优先使用YOLOv5官方requirements.txt指定的版本：
   pip list | grep -E "torch|numpy"
4. 若仍存在问题，训练时添加--amp 0参数关闭自动混合精度再尝试训练

内容的提问来源于stack exchange，提问作者Wtow