in: /root/ultralytics/ultralytics/cfg/dataset01/images/train/IMG_20250513_163434.jpg: ignoring corrupt image/label: image file is truncated (68 bytes not processed) train: /root/ultralytics/ultralytics/cfg/dataset01/images/train/IMG_20250513_164604.jpg: ignoring corrupt image/label: image file is truncated (48 bytes not processed) train: /root/ultralytics/ultralytics/cfg/dataset01/images/train/IMG_20250513_170047.jpg: ignoring corrupt image/label: image file is truncated (183 bytes not processed) Traceback (most recent call last): File "/root/ultralytics/ultralytics/train.py", line 11, in <module> model.train( # 调用训练方法，开始模型训练 File "/root/ultralytics/ultralytics/engine/model.py", line 797, in train self.trainer.train() File "/root/ultralytics/ultralytics/engine/trainer.py", line 227, in train self._do_train(world_size) File "/root/ultralytics/ultralytics/engine/trainer.py", line 348, in _do_train self._setup_train(world_size) File "/root/ultralytics/ultralytics/engine/trainer.py", line 307, in _setup_train self.train_loader = self.get_dataloader( ^^^^^^^^^^^^^^^^^^^^ File "/root/ultralytics/ultralytics/models/yolo/detect/train.py", line 83, in get_dataloader dataset = self.build_dataset(dataset_path, mode, batch_size) ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^ File "/root/ultralytics/ultralytics/models/yolo/detect/train.py", line 66, in build_dataset return build_yolo_dataset(self.args, img_path, batch, self.data, mode=mode, rect=mode == "val", stride=gs) ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^ File "/root/ultralytics/ultralytics/data/build.py", line 117, in build_yolo_dataset return dataset( ^^^^^^^^ File "/root/ultralytics/ultralytics/data/dataset.py", line 88, in __init__ super().__init__(*args, channels=self.data["channels"], **kwargs) File "/root/ultralytics/ultralytics/data/base.py", line 116, in __init__ self.labels = self.get_labels() ^^^^^^^^^^^^^^^^^ File "/root/ultralytics/ultralytics/data/dataset.py", line 188, in get_labels raise RuntimeError( RuntimeError: No valid images found in /root/ultralytics/ultralytics/cfg/dataset01/labels/train.cache. Images with incorrectly formatted labels are ignored. See https://docs.ultralytics.com/datasets for dataset formatting guidance. 如何解决？

<think>我们正在解决Ultralytics训练时遇到的RuntimeError:'Novalidimagesfound'问题。该错误通常由图像文件损坏或标签格式不正确引起。根据用户提到的参考（虽然参考内容是关于Podman的，但错误处理思路可借鉴：先诊断原因再针对性解决），我们将采用系统化的故障排除方法。首先，我们需要确认错误产生的具体原因。Ultralytics框架在加载数据集时会检查图像和标签的可用性，以下步骤将帮助定位问题：###1.验证数据集路径确保`dataset.yaml`中的路径正确。例如：```yamltrain:./datasets/images/trainval:./datasets/images/val```如果使用绝对路径，请检查路径是否存在拼写错误。###2.检查图像文件完整性损坏的图像文件会导致加载失败。使用以下Python脚本快速验证：```pythonfromPILimportImageimportosdefverify_image(file_path):try:img=Image.open(file_path)img.verify()returnTrueexcept(IOError,OSError)ase:print(f"损坏文件:{file_path},错误:{str(e)}")returnFalse#遍历训练集和验证集目录image_dirs=["./datasets/images/train","./datasets/images/val"]fordir_pathinimage_dirs:forfilenameinos.listdir(dir_path):iffilename.lower().endswith(('.png','.jpg','.jpeg')):verify_image(os.path.join(dir_path,filename))```###3.检查标签格式Ultralytics要求YOLO格式的标签为`.txt`文件，每行包含：```<class_id><center_x><center_y><width><height>```其中坐标需为归一化值（0~1）。常见错误包括：-坐标未归一化-使用非空格分隔符-缺少边界框（空标签文件也需要保留，但需确认是否合法）使用以下命令查看标签示例：```bashhead-n5./datasets/labels/train/000000.txt```###4.匹配图像与标签图像和标签的文件名（不含扩展名）必须严格对应。例如：```图像：train/0001.jpg→标签：labels/train/0001.txt```可通过脚本检查匹配性：```pythonimportglobimage_files=set([os.path.splitext(os.path.basename(x))[0]forxinglob.glob("./datasets/images/train/*.jpg")])label_files=set([os.path.splitext(os.path.basename(x))[0]forxinglob.glob("./datasets/labels/train/*.txt")])#检查缺失的标签missing_labels=image_files-label_filesprint(f"缺失标签的图像:{missing_labels}")#检查冗余的标签redundant_labels=label_files-image_filesprint(f"无对应图像的标签:{redundant_labels}")```###5.确认图像后缀兼容性Ultralytics默认支持`.jpg`,`.jpeg`,`.png`格式。若使用其他格式（如`.bmp`），需在`dataset.yaml`中明确指定：```yaml#补充支持.bmpsuffix:['.jpg','.jpeg','.png','.bmp']```###6.重新生成缓存删除数据集缓存文件（如`train.cache`）后重新运行训练，强制刷新数据加载器。###进阶处理若仍报错，尝试降低`num_workers`为0以同步加载数据，便于调试：```pythonmodel.train(data='dataset.yaml',workers=0)```§§解决方案总结§§-路径正确性→损坏图像检测→标签格式验证→文件名匹配→后缀兼容性→清理缓存-若需调试，设置`workers=0`§§相关问题§§1.如何修复YOLO标签文件中的归一化错误？2.如何批量修复损坏的图片？3.Ultralytics训练时如何扩展不常见的图像格式？</think> 根据您描述的 Ultralytics 训练时遇到的 `RuntimeError: 'No valid images found'` 问题，这通常是由于图像文件损坏或标签格式错误导致的。以下是系统化的解决方案： ### 1. **验证图像文件完整性** 使用 Python 脚本检测损坏文件： ```python from PIL import Image import os def verify_image(file_path): try: img = Image.open(file_path) img.verify() # 验证文件完整性 return True except (IOError, OSError) as e: print(f"损坏文件: {file_path}, 错误: {str(e)}") return False # 检查所有训练图像 image_dir = "path/to/your/images" for filename in os.listdir(image_dir): if filename.lower().endswith(('.png', '.jpg', '.jpeg')): verify_image(os.path.join(image_dir, filename)) ``` ### 2. **检查标签格式规范** YOLO 格式要求（每个标签文件.txt）： ``` <class_id> <center_x> <center_y> <width> <height> # 归一化坐标 (0-1) ``` 常见错误： - 坐标未归一化 - 使用非空格分隔符 - 标签文件与图像文件名不匹配 - 超出边界的坐标值 ### 3. **数据集配置验证** 确保 `dataset.yaml` 配置正确： ```yaml path: ./datasets train: images/train val: images/val names: 0: class1 1: class2 # 类别必须匹配标签文件中的 class_id ``` ### 4. **使用官方验证工具** 运行 Ultralytics 的自动检查： ```python from ultralytics import YOLO # 加载模型配置 model = YOLO('yolov8n.yaml') # 验证数据集配置 model.val(data='your_dataset.yaml', split='val') ``` ### 5. **排查缓存问题** 删除可能损坏的缓存文件： ```bash rm -rf runs/ # 训练缓存 rm *.cache # 数据集缓存 ``` ### 6. **扩展图像格式支持** 在配置中显式声明支持格式： ```yaml # 在 dataset.yaml 添加 suffix: ['.jpg', '.png', '.jpeg', '.bmp'] # 添加缺少的格式 ``` ### 7. **调试模式运行** 启用详细日志定位具体错误： ```python model.train(data='dataset.yaml', verbose=True, workers=0) # workers=0 关闭多进程 ``` 关键错误线索常出现在日志前 10 行，会提示第一个失败的文件路径。