深度学习算法或高性能计算解决方案对先验故障样本依赖性有多大，在缺少故障或缺陷样本情况下的表现如何，实际在工业场景下是如何解决先验样本少的情况的？

深度学习是很依赖于一些训练数据的，算法在数据越多的情况下会越来越好。但在缺少先验样本的情况下，也是可以做的，那怎么解决这个问题呢？可以使用一些小样本的训练技巧。除了用小样本的方法外，也可以人工制造一些类似数据，比如可以去把这个缺陷区域有什么特点，人工的进行一些贴图，人工制造一些类似的缺陷，从而提升算法的效果。我们还可以用一些合理的数据增广手段减少算法对于缺陷样本的依赖。