我想训练一个 MobileNet 来识别自定义图像类。 但我不知道，如何告诉 MobileNet 提供的数据中有多少应该用作训练数据。
当您使用重新训练脚本时：
我可以设置验证和测试百分比。 最大的问题是，这些百分比是如何计算的？
程序是否使用 100% 并将其分为 75% 的训练、10% 的验证和 15% 的测试？ 还是 MobileNet 提前分成 70% 的训练数据和 30% 的测试数据，然后将 70% 的 10% 作为验证数据？
我不明白这在 MobileNet 中是如何工作的？ 例如，我可以将训练数据的百分比调整为 85% 吗？
谢谢
【问题讨论】：
标签： python tensorflow machine-learning deep-learning
根据Tensorflow's documentation on MobileNet，--testing_percentage 和 --validation_percentage 参数控制以下内容：
通常的拆分是将 80% 的图像放入主训练集，保留 10% 以在训练期间经常运行作为验证，然后将最后 10% 不经常用作测试集来预测分类器的实际性能。这些比率可以使用 --testing_percentage 和 --validation_percentage 标志来控制。
所以我相信使用您当前的参数（--testing_percentage=15、--validation_percentage=10），您将有 75% 的数据用于主训练集中，15% 用于测试，10% 用于验证正如你所建议的。
如果您想将训练数据的百分比从 75% 提高到 85%，可以通过以下设置来实现：
--testing_percentage=10 和--validation_percentage=5
或
--testing_percentage=5 和--validation_percentage=10
或任何其他将 85% 的数据用于训练的组合。
即：training% = 100% - test% - validation%
但是，您需要注意不要将测试/验证百分比设置得太低，否则您的准确度分数可能没有足够的测试数据来验证您的预测准确度分数本身是否准确。
希望这会有所帮助。
【讨论】：