从理论上讲，您可以使用多少数据点来训练任何神经网络是没有限制的。这是真的，因为可以增量训练的神经网络不需要“查看”整个数据集。

显然，如果您的机器能够在内存中存储至少一个图像和网络，这会有所帮助。

要训​​练大量图像，您可能需要使用批处理。这意味着每次迭代都发生在数据的子集上，该子集可以小到单个图像。

任何框架或技术都没有任何 CAP。

这就是组件将受到影响的方式 -

磁盘空间
这将直接受到每个图像的总数和大小的影响

内存
这取决于层的深度、批量大小、内核数和单个图像的大小。请在 SE/Internet 上查看“ CNN 学习期间需要 RAM ”
这意味着如果上述参数固定，图像数量是 1000 还是 100K 不会有太大变化

训练时间
这将取决于你的硬件和并行度，但你不能做比批量大小更多的事情，因为背景需要在每批之后协调梯度

您必须思考
的问题您的图像是否有如此多的变化。否则学习将在一定的图像计数后停止。如果它在所有图像中都有差异，那么学习将非常缓慢。这意味着训练时间是您唯一可能担心的事情