Deep learning 用两个完全不同的数据集训练神经网络。_Deep Learning_Dataset_Training Data

Deep learning 用两个完全不同的数据集训练神经网络。

deep-learning

Deep learning 用两个完全不同的数据集训练神经网络。,deep-learning,dataset,training-data,Deep Learning,Dataset,Training Data,我现在正在使用神经网络进行对象分类。我正在为培训和验证创建数据集。我想知道是否有可能创建两个用于训练的数据集，包括两个完全不同的对象和标签。（例如数据集1有cars，数据集2有CAT）它是否仍然有效，或者我是否应该创建每个文件都混合了所有训练文件中不同对象类型和标签的数据集？如果我用不同的数据集在一个周期内训练网络，这种混合/分离是否重要根据您用于训练的内容，许多API（如TensorFlow object detection）会按顺序读取TF记录文件（数据集），因为它们会被置乱以预先生成文件

我现在正在使用神经网络进行对象分类。我正在为培训和验证创建数据集。我想知道是否有可能创建两个用于训练的数据集，包括两个完全不同的对象和标签。（例如数据集1有cars，数据集2有CAT）它是否仍然有效，或者我是否应该创建每个文件都混合了所有训练文件中不同对象类型和标签的数据集？如果我用不同的数据集在一个周期内训练网络，这种混合/分离是否重要

根据您用于训练的内容，许多API（如TensorFlow object detection）会按顺序读取TF记录文件（数据集），因为它们会被置乱以预先生成文件。在训练中，加扰是非常重要的，因为你可以从一个班级开始训练模型，然后再从另一个班级开始训练。它最终应该达到相同的标准，但如果模型能够以相同的训练步骤班级分布进行训练，效果会好得多