我正在进行一个面部识别项目，其中有两个人的每人各有两张面部图像

1. personA    image1.jpg    image2.jpg2. personB    image1.jpg    image2.jpg

我试图在上述数据集的面部嵌入上训练模型，如下所示：

params = {"C": [0.001, 0.01, 0.1, 1.0, 10.0, 100.0, 1000.0], "gamma": [0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9, 1]}model = GridSearchCV(SVC(kernel="rbf", gamma="auto", probability=True), params, cv=3, n_jobs=-1)model.fit(data["embeddings"], labels)

其中data["embeddings"]和labels的长度为4。data["embeddings"]包含personA和personB的面部嵌入的ndarray

data['embeddings'] = [                         [0.02331057, -0.01995077, ..],                          [-0.00034041,  0.02753334, ..],                          [0.02454563, -0.03797123, ...],                          [0.10561685, -0.08444008, ...]                     ]labels = [0 0 1 1]

但是在model.fit(data["embeddings"], labels)时，我得到了以下错误：

ValueError: n_splits=3 cannot be greater than the number of members in each class.

我无法理解这个错误。有人能解释一下这个问题以及如何解决吗？

回答：

仔细阅读后，错误信息清晰且自解释性强；它只是告诉你，由于每个类别只有两个样本，你不能进行3折交叉验证。这至少需要每个类别有3个样本。

我猜如果设置cv=2应该不会报错，但你的整个方法（即只有4个样本的数据集）似乎非常值得怀疑。