三、有关于数据集的思考
什么样的数据集是比较好的？
- 一般情况在CV领域中，数据集的好坏由数据集的泛化性能来决定。泛化性能：代表数据的特征是否具有多样性。（猫的数据集：数据集中应该包含不同品种的猫，不同品种要有不同花色的猫，不同大小的猫，各种角度猫的照片…， 这样的数据集可以成为比较好的数据集）。泛化性能是没有上限的，一般来说泛化性能越高越好，但是实际的商业项目中，要考虑公司的财力等更方面来考虑。
- 【注意1】：数据集的好坏，严格来说和数据集的数量多少是没有绝对的关系，我们要考虑的重点是数据集的泛化能力。
- 【注意2】：对于泛化性能的高低，一般来说是训练集相对于测试集而言的，是相对的。
这也是目前人工智能处于弱人工智能的原因，一般来说，当前的训练集在一定的环境下进行测试的效果，放到另一个环境中效果却很差，还不能实现通用人工智能。 - 同时还需要明白的就是，人工智能就是人可以做到的，人工智能也可以做到，如果人做不到的，从软件的层面来说，算法也是很难做到的，除非可以提升硬件的能力，例如：升级摄像头的像素。
数据集的划分
数据集在实际的模型训练和评估时包含的这样以下三个部分：
- 训练集：用于算法的训练
- 验证集：用于在原始数据集中，分成两个部分，训练集和验证集，在训练的过程中，每当训练到一定的批次，就利用验证集对算法的精确度等进行测试。
- 测试集：一般是与原始的数据集不同的数据，用于模型训练结束之后，对算法的性能进行评估测试用的。
