Tensorflow 我是否需要训练图像中的每一个类来进行目标检测？

我只是想深入研究TensorFlows目标检测。我有一个非常小的训练集，大约40张图片。每个图像最多可以有3个类。但现在我想到了一个问题：每个训练形象都需要每节课吗？这对有效的培训很重要吗？或者，如果一个图像可能只有一个对象类，这可以吗

---

我在~8.0时得到了非常高的总损失，我认为这可能是原因，但我找不到答案。

一般来说，机器学习系统可以处理一些噪音。 图像缺少标签或标签错误是可以的，只要您有足够的数据供模型识别

40个图像分类的例子听起来很小。如果您从预先训练好的图像网络开始，并且很少有类非常容易区分，那么它可能会起作用

---

忽略绝对损失值，这并不意味着什么。查看曲线，查看损失是否在减少，并在曲线变平时停止训练。将损耗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）。您可以将其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）。

非常感谢，这有助于我理解！