Tensorflow 2 对象检测 API - Can/Should 我使用 K 折交叉验证？
Tensorflow 2 Object Detection API - Can/Should I use K-Fold Cross Validation?
我有一个大约 1000 个图像的小数据集，我正在训练我的模型来检测 8 个 类。我按 80:20（训练：验证）的比例划分了我的数据集，并希望应用 k 折交叉验证以充分利用我的数据集。
#1：这个思路是对的还是我理解错了什么？在另一个关于 K-fold 对象检测中的交叉验证的 post 中，有人提到因为我们有置信度分数，所以我们不需要 k 折交叉验证。但是，我没有看到在 'k' 折叠数和置信度分数上训练我的模型之间的相关性。
#2：这是必须手动完成的事情还是 tensorflow 2.x 有办法添加 k 折交叉验证？
任何澄清将不胜感激！谢谢！
关于您的查询 1 和 2
(IMO)，做K-Fold比较合适。仅供参考，将数据集拆分为 8:2 比率称为 holdout 方法，AFAIK，它不是 K-Fold。当你想做 K-Fold 时，你可能需要考虑一些事情，例如 class distribution, 边界框分布 等。但是，由于您没有提供任何示例数据或代码，这里有一个类似的 discussion 可能会对您有所帮助。
必须手动完成。这是一个重采样过程，用于在有限的数据样本上评估机器学习模型。它不是与任何框架集成的东西。
我有一个大约 1000 个图像的小数据集，我正在训练我的模型来检测 8 个 类。我按 80:20（训练：验证）的比例划分了我的数据集，并希望应用 k 折交叉验证以充分利用我的数据集。
#1：这个思路是对的还是我理解错了什么？在另一个关于 K-fold 对象检测中的交叉验证的 post 中，有人提到因为我们有置信度分数，所以我们不需要 k 折交叉验证。但是，我没有看到在 'k' 折叠数和置信度分数上训练我的模型之间的相关性。
#2：这是必须手动完成的事情还是 tensorflow 2.x 有办法添加 k 折交叉验证？
任何澄清将不胜感激！谢谢！
关于您的查询 1 和 2
(IMO)，做K-Fold比较合适。仅供参考，将数据集拆分为
8:2比率称为 holdout 方法，AFAIK，它不是 K-Fold。当你想做 K-Fold 时，你可能需要考虑一些事情，例如 class distribution, 边界框分布 等。但是，由于您没有提供任何示例数据或代码，这里有一个类似的 discussion 可能会对您有所帮助。必须手动完成。这是一个重采样过程，用于在有限的数据样本上评估机器学习模型。它不是与任何框架集成的东西。