Dataset not found , missing paths ['C:\\Users\\lj33hh\\Desktop\\ML_project\\yolov5-master\\valid\\images'] Traceback (most recent call last): File "C:\Users\lj33hh\Desktop\ML_project\yolov5-master\train.py", line 986, in <module> main(opt) File "C:\Users\lj33hh\Desktop\ML_project\yolov5-master\train.py", line 688, in main train(opt.hyp, opt, device, callbacks) File "C:\Users\lj33hh\Desktop\ML_project\yolov5-master\train.py", line 180, in train loggers = Loggers( ^^^^^^^^ File "C:\Users\lj33hh\Desktop\ML_project\yolov5-master\utils\loggers\__init__.py", line 153, in __init__ self.comet_logger = CometLogger(self.opt, self.hyp) ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^ File "C:\Users\lj33hh\Desktop\ML_project\yolov5-master\utils\loggers\comet\__init__.py", line 100, in __init__ self.data_dict = self.check_dataset(self.opt.data) ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^ File "C:\Users\lj33hh\Desktop\ML_project\yolov5-

### YOLOv5 训练时出现 'Dataset not found, missing paths' 错误的解决方案 #### 数据集路径配置问题分析 在使用 YOLOv5 进行模型训练的过程中，如果出现了 `'Dataset not found, missing paths'` 的错误提示，通常意味着程序无法按照指定的数据集配置文件（通常是 `.yaml` 文件）找到对应的图像或标签文件。这可能是由于路径设置不正确、文件缺失或是其他相关因素引起的[^1]。 为了确保数据集能够被正确加载，在 `data/traffic.yaml` 配置文件中应仔细核对各个字段的内容是否符合实际情况。例如，以下是典型的 YAML 数据集配置结构： ```yaml path: ../datasets/Traffic # 数据集根目录 train: images/train # 训练集相对路径 val: images/valid # 验证集相对路径 test: images/test # 测试集相对路径 (可选) nc: 4 # 类别数量 names: ['bus', 'car', 'truck', 'undefined'] # 类别名称 ``` 需要注意的是，这里的 `path`, `train`, 和 `val` 字段所指代的具体位置应当与实际磁盘上的文件布局严格匹配。任何一层嵌套关系的变化都可能导致路径解析失败进而引发上述异常情况发生[^2]。 #### 解决方案实施步骤说明 ##### 方案一：调整数据集路径至绝对形式 虽然相对路径便于移植和分享项目代码，但对于初学者而言可能会因为工作目录切换等原因造成混淆。因此建议先尝试将所有涉及图片存储的位置改为完整的物理地址表示法以便快速定位问题所在。例如修改后的 traffic.yaml 应该看起来像这样： ```yaml path: E:/VScode_Projects/yolov5-6.1/datasets/Traffic/ train: E:/VScode_Projects/yolov5-6.1/datasets/Traffic/train/images/ val: E:/VScode_Projects/yolov5-6.1/datasets/Traffic/valid/images/ nc: 4 names: ['bus', 'car', 'truck', 'undefined'] ``` 注意此处斜杠方向需保持一致最好采用正向(/)，即便是在 Windows 平台上也是如此处理以减少不必要的麻烦[^3]。 ##### 方案二：创建指向样本集合的索引文本文件(.txt) 另一种可行的办法是利用 .txt 文件作为媒介间接引用目标素材组。这种方式特别适合于那些原始资料分散存放不易集中管理的情形下应用。其基本思路就是在相应子项后面附加“.txt”，然后内部逐行列举出每张参与运算的照片完整URI链接。如下所示为实例演示： ```yaml path: ./MyData/ train: train.txt val: val.txt nc: 1 names: ['pothole'] ``` 与此同时还需要准备好两个分别命名为 `train.txt` 和 `val.txt` 的纯文本档件并将它们放置在同一级别的 MyData 文件夹之下。每个文档里面按照行序逐一罗列所属分类下的全部个体对象示例见下方片段摘录： ``` E:\VScode_Projects\yolov5-6.1\MyData\images\image_001.jpg E:\VScode_Projects\yolov5-6.1\MyData\images\image_002.jpg ... ``` --- #### 总结 综上所述，当遭遇 "Dataset not found" 或者 "missing paths" 提醒的时候，首要任务便是回头审视自己的 dataset configuration file 设置是否有偏差；其次考虑是否存在拼写失误或者是无意间遗漏某些必要的组成部分等问题的存在可能性。最后再依照本文介绍的不同处置措施择优选取适用对策加以修正直至彻底消除此类困扰为止[^4]。