Создай YAML-файл датасета

Создай файл#

У датасетов в Ultralytics Platform свои классы и выборки, а для обучения указывается URI, например data=ul://username/datasets/name. На собственном компьютере эту роль выполняет YAML-файл. Сохрани его как my_dataset/data.yaml:

path: my_dataset # dataset root: absolute, or relative to where you run yolo
train: images/train # relative to path
val: images/val # relative to path
# test: images/test  # optional held-out split

names:
  0: pill

train и val указывают на папки с изображениями; метки находятся заменой images на labels. Минимальный рабочий пример — файл YAML для coco8, а более объёмный вариант показан в файле YAML для VOC.

Пример: проверяем запуск#

Валидация с предобученной моделью — самый быстрый способ проверить весь процесс от начала до конца. Она читает каждое изображение и метку, сообщает о проблемах и рассчитывает метрики:

yolo val model=yolo26n.pt data=my_dataset/data.yaml

val: Scanning my_dataset/labels/val... 23 images, 0 backgrounds, 0 corrupt: 100%
                 Class     Images  Instances      Box(P          R      mAP50  mAP50-95)
                   all         23        399     0.0256    0.00251      0.001     0.0002

Разберём вывод по порядку:

1. Scanning my_dataset/labels/val: папка, путь к которой фактически определила Ultralytics. Убедись, что это нужная папка.
2. 23 images, 0 backgrounds, 0 corrupt: у каждого валидационного изображения есть корректный файл меток. Если появились незапланированные фоновые изображения или количество повреждённых файлов отличается от нуля, вернись к прошлому уроку.
3. 399 объектов: в файлах меток содержатся 399 таблеток.
4. mAP50-95 равен 0.0002: это ожидаемый результат, а не ошибка. В COCO нет класса таблеток, поэтому предобученная модель не может их обнаружить. Почти нулевое значение и будет базовым результатом. Если же нужные классы есть в COCO — например, люди или автомобили, — та же команда даст содержательный базовый результат.

Настрой пути для работы из любой директории#

Большинство ошибок «изображения не найдены» связано с путями. Ultralytics определяет path следующим образом:

datasets_dir — это параметр Ultralytics; команда yolo settings выводит его значение, а в руководстве по настройкам показано, как его изменить. Встроенные датасеты используют этот запасной вариант: coco8.yaml задаёт path: coco8 и URL download:, поэтому data=coco8.yaml работает из любой папки.

Правила выбора:

• Работаешь только ты и всегда из папки проекта? Относительный путь path подойдёт.
• Коллеги, серверы, CI или ноутбуки в других папках? Используй абсолютный путь path.
• Данные находятся в другом месте и должны загружаться автоматически? Добавь download: с URL ZIP-архива.

Считай индексы классов частью контракта#

Целое число в начале каждой строки аннотации — это индекс в names. Ultralytics проверяет диапазон — Label class 1 exceeds dataset class count 1, — но не может проверить смысл. Если инструмент разметки экспортировал 0: forklift, 1: person, а в YAML указано 0: person, 1: forklift, обучение завершится успешно, mAP при валидации будет выглядеть нормально, но каждое предсказание получит неправильное название. Используй единый список классов — источник истины, общий для инструмента разметки, скрипта преобразования, YAML и кода развёртывания.

Избегай этих ошибок#

Параметры обучения, такие как аугментация и кэширование, передаются в train, а не задаются в YAML; они перечислены в справочнике по конфигурации.