yolov5训练的准确率比较低，召回率比较高的问题？_yolov5突然准确率降低

原因：我在使用下面的程序划分数据集时，发现划分之后数据集对应的图片和标签的数量不对应。（自己犯的一个初级错误）。

import os
import shutil
import random
 
# 训练集、验证集和测试集的比例分配
test_percent = 0.1
valid_percent = 0.09
train_percent = 0.81
 
# 标注文件的路径
image_path = 'images'
label_path = 'labels'
 
images_files_list = os.listdir(image_path)
labels_files_list = os.listdir(label_path)
print('images files: {}'.format(images_files_list))
print('labels files: {}'.format(labels_files_list))
total_num = len(images_files_list)
print('total_num: {}'.format(total_num))
 
test_num = int(total_num * test_percent)
valid_num = int(total_num * valid_percent)
train_num = int(total_num * train_percent)
 
# 对应文件的索引
test_image_index = random.sample(range(total_num), test_num)
valid_image_index = random.sample(range(total_num), valid_num)
train_image_index = random.sample(range(total_num), train_num)
 
for i in range(total_num):
    print('src image: {}, i={}'.format(images_files_list[i], i))
    if i in test_image_index:
        # 将图片和标签文件拷贝到对应文件夹下
        shutil.copyfile('images/{}'.format(images_files_list[i]), 'test/images/{}'.format(images_files_list[i]))
        shutil.copyfile('labels/{}'.format(labels_files_list[i]), 'test/labels/{}'.format(labels_files_list[i]))
    elif i in valid_image_index:
        shutil.copyfile('images/{}'.format(images_files_list[i]), 'valid/images/{}'.format(images_files_list[i]))
        shutil.copyfile('labels/{}'.format(labels_files_list[i]), 'valid/labels/{}'.format(labels_files_list[i]))
    else:
        shutil.copyfile('images/{}'.format(images_files_list[i]), 'train/images/{}'.format(images_files_list[i]))
        shutil.copyfile('labels/{}'.format(labels_files_list[i]), 'train/labels/{}'.format(labels_files_list[i]))

解决办法：我手动划分了数据集，这样确保了数据集的图片和标签是对应关系。图片的比例是训练集：验证集：测试集=0.81：0.09：0.1

迷惑：我第一次用这个代码划分数据集，还是正确的，但是第二次用这个代码划分数据集就是错误的。