大量图片（目前 50W 张 中等尺寸 /大尺寸 不断增加中） 尺寸都不尽相同
包含部分简短的可能不确切的文本描述（ caption ）

增量地依据喜好二分类的意思是：
先标注部分图片为喜欢 然后通过深度学习（存疑）等奇怪方法 自动将图片分为两类
然后再对某些错误标注进行重新分类 这样逐渐应用到其他未标注图片 /新增图片上
也可以按照喜好值（如 0-10 ）进行 11 分类任务 /直接回归任务 有没有这样比较成熟的方法或者简单介绍？

依据个人喜好是不是会训练出奇怪的人工智能？（

图片是风格可能不一致 可能是相机拍摄图片 也可能是插画等类型的人工图片

看了诸如 K 聚类的方法 先是提取固定大小的特征 再依照特征分类 这样能做到部分图片的归类

另外就是这种大量图片的存储场景一般怎么处理，现在是按照 md5 值等参数进行打散文件夹存储
在 mac 上表现就是时不时的 mdsync 进程 cpu 占用 100% 自己的学生机存储空间又不够 只能放本地
看过 minio 、gridfs 等方案 有没有用过的 dalao 说说

大佬有話說 (0)