我正在使用CoreML训练自己的动物模型。读取Apple Docs it says
每个标签至少要为训练集使用10张图像，但是更多 总是更好。另外，平衡每个标签的图像数量。对于 例如，不要为Cheetah使用10张图像，为Elephant使用1000张图像。
我正在使用python script来为每个数据集下载多达1000张图像（1000头熊，1000头猎豹，1000头大象等）。我注意到有时我会得到400幅图像，另一幅图像700幅，另一幅图像900幅，等等。
animals
-bears (402 pics)
-cheetahs (810 pics)
-elephants (420 pics)
-lions (975 pics)
-tigers (620 pics)
-zebras (793)
要通过终端下载图像，请输入：
// python image_download_python2.py <query> <number of images>
python image_download_python2.py 'elephants' '1000'
因为它会返回一些包含400个图像的数据集，另一些包含700个图像，另一些包含900个图像的数据集，这仍将被视为“平衡”，或者在运行python时我需要设置下限500脚本，以便所有内容都能徘徊在500张左右的图像上？
python image_download_python2.py 'elephants' '500'
我非常确定我将始终获得至少400张图像。
请记住，文档显示更多图片总是更好
每个标签至少要为训练集使用10张图像，但是更多 总是更好。
另一方面，当数据集没有像苹果公司的10头猎豹和1000头大象的例子那样平衡时，CoreML模型在训练时会发生什么？