分类进度退步是什么意思呢？是说训练需要更久的时间么？如果是这个意思，那么应该来说是会的，因为相当于训练数据变多了，也变难了。 如果是说分类的效果，那么需要看增强是否“合适”，适当的数据增强方法能使得模型效果更加稳定，效果也更好。 需要增强达到一定的比例，才会有效果。比如我们举个极端的例子，在整个训练过程中，只有一张图片是进行过增强，那么肯定这点训练量效果几乎等于没有。从微观来看，目前的训练都会通过梯度下降来更新参数。如果没有一定比例，那么按照增强样本来更新的参数的次数就很少。最终反应出来就是几乎没效果。 我推荐一本小薄册子，《解析深度学习：卷积神经网络原理与视觉实践》