求解惑，cnn用在图像压缩，训练集作用是干什么的啊

纯深度学习外行在自学这个。如果数据集是用来跑模型提取特征用以还原图像，那出现数据集以外的图，模型不就失效了吗😭

不知道你这个问题是否已经解决, 如果还没有解决的话:

• 这个问题的回答你可以参考下: https://ask.csdn.net/questions/7427258
• 这篇博客你也可以参考下：浏览器上实现CNN可视化——清楚看到每一层卷积后的图
• 除此之外, 这篇博客: 【CNN】连续学习/持续学习，增量学习中的 目前大部分连续学习/增量学习方法仍依赖于完备的标注数据，请问在非监督或半监督学习条件下，是否有哪些可行的解决思路？ 部分也许能够解决你的问题, 你可以仔细阅读以下内容或者直接跳转源博客中阅读:
  

  余山

  特征提取器使用丰富的类别来学习，分类器使用连续学习来学习

  李玺

  非监督和半监督：数据分布和任务关系；加结构约束；发现内在标签间的拓扑关系（外部先验知识定义一些结构）

  王子磊

  无监督：语义空间不变，数据增加是可以做的；

  半监督：参考fixmatch 

  FixMatch - 知乎
• 您还可以看一下 刘高联老师的亲自动手写一个深度学习框架课程中的 理论分析：CNN的反向传播小节, 巩固相关知识点
  

如果你已经解决了该问题, 非常希望你能够分享一下解决方案, 写成博客, 将相关链接放在评论区, 以帮助更多的人 ^-^

你理解错了，深度学习的目的是对模型的外延，好比根据一些点得到一个拟合的曲线方程，你有了方程，你可以得到点以外的某个x对应的y。
用人话来说，就是让机器学习特征，然后举一反三