没有不平衡的不同类别的数据并不重要。重要的是你的数据应该有一个真实的分布。您的训练数据的分布应该与您的测试环境相同。正如您在此处所读到的，您的数据应该非常适合将要使用的任务。因此，如果您的样本分布是真实的，就不会有问题。考虑一下，对于不平衡的数据集，我们应该使用适当的评估指标，例如F1分数。

最后，如果这是你的数据的真实分布，我强烈建议你不要改变真实分布，即使你想增加你的数据。你不应该改变不同类别的相对比例。

有时可能是一个类比其他类更常见。通常，这确实值得考虑。我猜您所描述的情况并非如此（即，人们稍后想要对生产中的图像进行分类是相当随意的），所以让我们忽略这种情况（尽管它可能会影响测试集的性能，具体取决于关于测试集中最常见的内容）。不过，一般来说，您会尝试一些策略（例如，不进行过采样，是否通过数据增强进行一定程度的过采样）并在实际测试集上测试它们的性能。

绝对不要丢弃任何图像。通常我们很难在数据增强中创建逼真的图像 - 在这里你已经有了它们！因此，一种更具吸引力的方法是使用数据生成器从每个类中均匀（或以最有意义的任何比例）采样，以创建批量训练数据（通过一些数据增强，例如轻微旋转、颜色/饱和度的变化ETC。）。