看板 DataScience 關於我們 聯絡資訊
各位大大好,初入深度學習領域,不懂之處想請教各位大大們 對於使用深度學習模型進行影像分類時,可以透過影像增強的方式來增加數據量,如果在 沒有影像增強的情況下,該如何估算自己所需要的樣本數量是否足夠? 有沒有類似像g power 估計樣本數的統計算法可以推估? 麻煩各位大大指教,謝謝 -- ※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 101.9.33.173 (臺灣) ※ 文章網址: https://www.ptt.cc/bbs/DataScience/M.1626279768.A.B44.html
bessgaga: 一般會用training set 跟 testing set畫出的learning cu 07/17 12:22
bessgaga: rve來看有沒有overfiting現象 有的話就代表訓練樣本數 07/17 12:22
bessgaga: 不足 07/17 12:22
wre880223: 請問大大除了學習曲線外,是不是有其他的方法證明說這 07/17 16:41
wre880223: 樣的樣本數出來的結果是夠客觀的 07/17 16:41
sxy67230: vc dimensions跟樣本容量估計可以算出大概需要多少樣本 07/25 19:38
sxy67230: 才具有代表性 07/25 19:38
sxy67230: 一般都是依照經驗大概參數十倍吧,不過這是沒有考量pret 07/25 19:39
sxy67230: rain的情況 07/25 19:39
sxy67230: 實際可能考量DL的generlize gap可能更複雜,而且這些目 07/25 19:41
sxy67230: 前都還有值得研究的地方。 07/25 19:41
wre880223: 謝謝sxy 大大! 07/27 23:37