如果你在使用YOLOv5进行目标检测任务时，遇到了数据集中有三个类别但是在训练后只生成了一个类别的.cache文件，可能有以下几个原因导致这种情况：

数据集标签错误：首先，请确保你的数据集标签正确无误。检查标签文件（通常是.txt或.json文件），确保每个对象的标签都正确地与其所属类别对应。每个对象的标签应该是类别的索引值，例如，如果你的三个类别是"cat"、"dog"和"car"，则对应的索引分别是0、1和2。检查你的标签文件，确保类别索引与类别名称对应正确。

配置文件错误：YOLOv5使用.yaml文件来配置模型和训练参数。在配置文件中，确保你正确指定了类别数量（nc）为3，以及对应的类别名称。检查你的配置文件，查看是否有误。

训练参数设置错误：检查你使用的训练命令或脚本，确保你正确设置了类别数量（--nc）参数为3。例如，如果你使用的命令是python train.py --nc 3，确保参数值为3。

缺乏样本：如果你的数据集中某个类别的样本数量较少，可能会导致模型训练时无法充分学习该类别的特征，从而无法正确预测该类别。在这种情况下，尝试收集更多的训练样本来平衡类别分布。

请检查以上几个方面，确保数据集标签、配置文件和训练参数正确设置，并且样本数量充足。重新运行训练过程，应该能够正确生成包含三个类别的.cache文件，并训练出可以识别三个类别的模型。

如果问题仍然存在，建议提供更多的细节和代码片段，以便更准确地诊断问题并给出解决方案。