因为数据集使用时，一般要分为训练集、验证集和测试集。个人认为使用K-mean算法时，数据集越大越精确。如果是同一个数据集，训练集、验证集和测试集的比例关系发生了变化，尤其是测试集占比发生较大变化，是不是应该重新用K-mean求取锚框？
训练的时候就只用训练集和验证集，验证集是不参与梯度下降过程，只用于监测loss,调整超参测试集更不可以用于训练，否则测试集最后都会被拟合进去参数，导致评价不准
一般来说只要训练和验证集就可以了。数据越多的确越好，但是你还得防止过拟合。