Machine learning Caffe的输入数据量

我想使用Caffe和Caffe附带的googlenet结构，根据我自己的图像数据来训练模型。 我有14个分类。但我只有大约250张图片用于训练，80张用于测试。这够了吗？有没有办法找出每堂课我需要多少张图片

解决方案1： 只需微调顶层，因为您只有如此少的数据。通过这种方式，您可以将网络视为一个特征提取器，您只需在这些特征之上训练一个分类器

解决方案2： 尝试积极的数据扩充。例如，您可以尝试对数据进行随机平移、缩放和旋转。通过这种方式，您可以从一个训练图像中获得许多图像

解决方案3：

---

最有效的方法是尝试获取更多真实数据。数据对于深度学习非常重要。根据经验，一个类至少有1000张图像。

这是非常少的数据量。你能得到更多吗？是的，我能。有没有办法找出一个好的数字？一百万就好了，但我相信你可以用更少的钱；）如果我没有弄错的话，GoogLeNet的顶层的维度是1024。这意味着您必须为每个类微调1000多个自由变量。如果数据太少，您可能需要微调预培训网络的最后几层。使用解决方案1，我获得了很好的结果，在google inception net上的精度几乎为0.9。