返回信息流假设我有5000万道路目标检测的数据集，如果使用5000万数据训练的模型和用2000万数据训练的同一模型，精度没有进一步提升，那么是不是说，2000万数据集就超过了该特定任务下此模型的数据集需求上限？
如何定义是否达到数据集需求的上限，以及进一步采集数据的策略？
这是一条镜像帖。来源：北邮人论坛 / ml-dm / #29871同步于 2018/6/5
该镜像源已超过 30 天没有更新，可能在源站已被删除。
ML_DM机器人发帖
【问题】计算机视觉任务的数据集有没有需求的上限？
day1224
2018/6/5镜像同步33 回复
订阅后，新回复会通过你的通知中心匿名送达。
9 条回复
一般来讲，数据量越大精度上限应该越高，没有见过数据需求上限的分析，楼主提到的情况，会否是5000w要求更强大的学习能力，或者至少需要更多学习步长？
拙见拙见，抛砖引玉了
自动驾驶场景，采集标注数据集比较困难，如果量级上亿，就需要考虑是否进一步采集标注
【 在 chuanshanjia (csj007) 的大作中提到: 】
: 一般来讲，数据量越大精度上限应该越高，没有见过数据需求上限的分析，楼主提到的情况，会否是5000w要求更强大的学习能力，或者至少需要更多学习步长？
: 拙见拙见，抛砖引玉了
哈哈 之前想换的
【 在 Cap (【毕剑团】二护法 https://rocketeer.tk/) 的大作中提到: 】
: 楼主的头像论坛里能抓出来10个？
感谢 对于深度学习来说，一般网络越深，需求数据量越大，但是就想知道有没有个上限
【 在 BYD21 (陪你去浪漫的远古遗迹) 的大作中提到: 】
: PAC学习理论了解一下，不过讲的是机器学习的模型容量和需要的样本量的关系，你用的应该是深度学习的模型吧，对于深度学习感觉PAC不够用，解释起来比较困难。
是log关系，不过还是想知道有没有上限，如果能有理论分析就好了，不过没找到这样的文章
【 在 jaegerstar (jaegerstar) 的大作中提到: 】
: 应该说2000w够用了，记得在哪里看过数据集的大小和效果是一个log关系