我只是尝试深入研究TensorFlows Object Detection。我有一个非常小的训练集，大约有 40 张图像。每个图像最多可以有 3 个类。但是现在我脑海中出现了一个问题：每个训练图像都需要每个类吗？这对高效培训重要吗？或者，如果图像可能只有一个对象类，是否可以？
我在~8.0下得到了非常高的总损失，并认为这可能是原因，但我找不到答案。
一般来说，机器学习系统可以处理一定量的噪音。 图像缺少标签或具有错误的标签是可以的，只要您总体上有足够的数据让模型弄清楚它。
40个图像分类的例子听起来很小。如果您从预先训练的图像网络开始，并且很少有非常容易区分的类，则它可能会起作用。
忽略绝对损失值，它没有任何意义。查看曲线以查看损失正在减少，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，以检查这些值是否足够相似(您没有过度拟合(。您也许可以与完全相同系统的另一个训练进行比较(例如，检查训练是否稳定(。