yolov8 训练报错“no labels found”通常源于数据集目录结构或 yaml 配置不匹配；本文详解符合 ultralytics 规范的标准目录组织方式、yaml 配置要点及常见陷阱，助你快速修复标签加载失败问题。
yolov8 训练报错“no labels found”通常源于数据集目录结构或 yaml 配置不匹配；本文详解符合 ultralytics 规范的标准目录组织方式、yaml 配置要点及常见陷阱，助你快速修复标签加载失败问题。
YOLOv8（由 Ultralytics 官方维护）对数据集的目录结构有明确约定：它不会自动搜索子目录中的 labels 文件夹，而是严格依据 dataset.yaml 中 train 和 val 字段所指定的相对路径，在对应目录下固定查找 images/ 和 labels/ 两个同级子文件夹。这意味着，若你的 YAML 中写的是 train: img，YOLOv8 就会在 path/img/ 下寻找 images/ 和 labels/ —— 而不是在 path/img/ 下直接找 .txt 标签文件。
✅ 正确的数据集结构（推荐标准格式）
请将你的数据组织为如下层级（以 dataset/ 为根）：
dataset/
├── train/
│ ├── images/ # 存放训练图像（.jpg, .png 等）
│ │ ├── fire_001.jpg
│ │ └── smoke_023.jpg
│ └── labels/ # 存放对应训练标签（.txt，每图一文件，格式为 YOLO 坐标）
│ ├── fire_001.txt
│ └── smoke_023.txt
└── val/
├── images/
└── labels/? 关键点：images/ 和 labels/ 必须是 train/ 和 val/ 的直接子目录，且名称必须为小写 images 和 labels（大小写敏感）。
✅ 正确的 trainer.yaml 配置
基于上述结构，你的 trainer.yaml 应改为：
# trainer.yaml path: ./dataset # 相对于运行脚本的相对路径（推荐）或绝对路径（需确保可读） train: train # 指向 dataset/train/（YOLOv8 自动在此下找 images/ 和 labels/） val: val # 指向 dataset/val/ names: 0: fire 1: smoke
⚠️ 常见错误修正：
- ❌ 错误：train: img → YOLOv8 会去 ./dataset/img/ 下找 images/ 和 labels/，但你实际把图片放在了 ./dataset/img/ 根目录；
- ❌ 错误：path 使用 Windows 绝对路径含空格或中文（如 C:\Users\用户名\Desktop\...）→ 易引发路径解析失败，建议使用 ./ 相对路径或标准化的英文路径（如 D:/yolo_data/）；
- ❌ 错误：labels/ 内 .txt 文件名与 images/ 中图片名不完全一致（含扩展名差异，如 img1.jpg 对应 img1.txt ✅，但 img1.jpeg 对应 img1.txt ❌）→ YOLOv8 严格按文件名（不含扩展名）匹配。
✅ 验证与调试建议
-
手动检查路径有效性：在 Python 中运行以下代码确认路径可访问：
import os from pathlib import Path yaml_path = "trainer.yaml" with open(yaml_path) as f: import yaml data = yaml.safe_load(f) train_img_dir = Path(data["path"]) / data["train"] / "images" train_lbl_dir = Path(data["path"]) / data["train"] / "labels" print("Train images:", train_img_dir.exists(), list(train_img_dir.glob("*.jpg"))[:3]) print("Train labels:", train_lbl_dir.exists(), list(train_lbl_dir.glob("*.txt"))[:3]) -
标签文件格式校验：每个 .txt 文件应为 UTF-8 编码，每行一个目标，格式为：
class_id center_x center_y width height（归一化到 0~1）。例如火灾检测：0 0.452 0.613 0.210 0.345
-
首次训练前启用验证日志：添加 verbose=True 查看数据加载详情：
results = model.train(data="trainer.yaml", epochs=1, verbose=True)
日志中若出现 Found XXX images and XXX labels in train set 即表示加载成功。
遵循此结构与配置，你的 Wildfire Detector 项目即可顺利启动 YOLOv8 训练流程。记住：结构即契约，路径即逻辑——Ultralytics 的设计哲学正是通过强约束换取训练稳定性与跨平台兼容性。
