对于一个有1.7w张图片的数据集，训练集和测试集的比例设置多少比较好？单纯的增加训练集的比例能否提高最后的精度，比如将训练集比例提高到0.9，会有什么结果？
单纯的增加训练集 理论上因为泛化性更强了，更多情况下测试结果会有提高，实际场景中一般8：2 、 9：1都有的，这种一般都可以 自己调控的 训练时候可以都运行下，还有交叉验证啥的 只有去跑模型对比才知道
比较常见的比例是 ，train:val:test = 8:1:1
你的数据集总数为 1.7w 张，如果这个是固定的，只改变 train，val，test 的图片数量，并不能真正的提高模型的精度
对于数据这块儿的研究，推荐你看下这篇论文: Big Transfer (BiT): General Visual Representation Learning