我只是试着深入了解TensorFlows对象检测。我有一个非常小的训练集，大约有40个图像。每张图片最多可包含3个类。但现在我想到了这个问题：每个训练形象都需要每个班级吗？这对高效培训很重要吗？或者，如果图像可能只有一个对象类，那还可以吗？
我得到了一个非常高的总损失~8.0，并认为这可能是原因，但我找不到答案。
答案 0 :(得分：1)
通常，机器学习系统可以应对一些噪音。 只要整体上有足够的数据供模型识别，图像缺少标签或标签错误就可以了。
图像分类的40个例子听起来非常小。如果您从预先训练好的图像网络开始并且很少有类很容易区分，它可能会起作用。
忽略绝对损失值，它并不意味着什么。查看曲线，看看损失正在减少，并在曲线变平时停止训练。将损失值与测试数据集进行比较，以检查值是否足够相似（您不会过度拟合）。您可能能够与完全相同系统的其他训练进行比较（例如，检查训练是否稳定）。