我想使用Caffe及其自带的GoogLeNet结构，基于我自己的图像数据来训练模型。我有14个分类用于分类。但是我只有大约250张图像用于训练，80张用于测试。这够吗？有什么方法可以确定每个类别需要多少图像？

回答：

解决方案1：由于您的数据量非常少，只需微调顶层。这样，您可以将网络视为特征提取器，然后在这些特征之上训练一个分类器。

解决方案2：尝试激进的数据增强。例如，您可以尝试对数据进行随机平移、缩放、旋转。通过这种方式，您可以从一张训练图像中获得大量图像。

解决方案3：最有效的方法是尽量获取更多真实数据。数据对深度学习非常重要。根据经验，每个类别至少需要1000张图像。