深度学习中的样本采样

深度学习是利用一个流形分布上的部分样本（训练样本）训练网络，使网络可以学到流形分布的过程。 训练样本的采集好坏对网络的学习效果影响很大。 我们在整个流形分布上均匀采样获得训练样本，从而可以使网络较好的学习到流形的整体分布。 一般来说，从流形上采样越均匀越好，采样量越大越好。 除此之外，如果我们对流形有一些先验信息的话，通过在流形的高频区域（或细节区域）增加额外采样量，可以使网络有更好的学习效果，学

>>阅读原文<<