深度学习需要大量的样本，当识别效果不佳时，如何判断是样本问题和还是算法问题？

由于在大数据训练的过程当中，无法知道是数据集不合适还是算法不合适。这个时候不需要花太多精力去用一个不能定义的标准来判断另外一个不能定义的物体，而最好的办法就是带着你的数据去找一个模型进行迁移式训练的判断。比如在某个行业中，了解到谁在做差不多的模型，把这个模型拿过来，然后把数据放进去。如果这个数据是收敛的，那一定是算法问题，如果这个数据跑不通，那肯定是数据集的问题。