六个领域摆在一张表里，变的是三件事：数据形态、模型类型、交付形式。 按经验系数估「每类最少样本」：简单分类 500 条、分割 1 万条、 排序 2.5 万条——差 50 倍。
上一节讲一个任务怎么拆，这一节讲同一套方法怎么落到不同行业。
一、变的三件事
数据形态：用户行为序列、产线图像、CT 切片、对话文本、多路视频加点云、多光谱航拍。 形态不同，清洗和标注的方式就完全不同。 模型类型：排序、图像分类、图像分割、意图分类加检索、检测加跟踪、回归。 类型不同，评价指标也不同——分类看准确率，分割看 IoU，排序看 NDCG。 交付形式：接口在线、边缘盒子、院内系统、车端实时、离线批处理。 这一条最容易被低估，但它会反过来限制模型能有多大。 车端要实时，模型就不能太大；边缘盒子要省电，算力就得压；院内系统要过审，可解释性就变成硬要求。 交付形式不是最后一步，是第一约束。
二、每类最少要多少样本
Demo 用一组经验系数估：简单图像分类 500 条起，图像分割乘 20，检测跟踪乘 30，排序乘 50，回归乘 5。 结果：工业质检 500 条、智能客服 1500 条、农业估产 2500 条、医疗影像 1 万条、自动驾驶 1.5 万条、 电商推荐 2.5 万条。最多和最少差 50 倍。 这些数只能当「开工前先问一句」的量级：这点数据够不够撑这个任务。 它们不是论文结论，换任务、换口径都会变。 真正需要记的不是具体数字，是相对量级：分类最省，分割和检测贵一到两个数量级， 排序和推荐要的是「行为数据」而不是「标注数据」，成本结构又不一样。
三、换领域时最容易犯的错
把上一个领域的经验直接搬过来。做图像分类的人去做分割，会以为「标 500 张够了」——实际差二十倍。 第二个错是忽略交付约束。离线批处理能跑一天的模型，放到车端要求 30 毫秒出结果，架构得整个换掉。 第三个错是低估领域知识的门槛。 医疗影像的「这个结节算不算恶性」，不是训练师能定的，得有医生参与定标注规范。 所以跨领域时，训练师的第一件事是找到「谁能定标准」，而不是先看数据。
四、动手 Demo：六个领域，三列对照加样本量估算
六个典型领域，先按「数据形态／模型类型／交付形式」列表， 再按经验系数估每个领域「每类最少要多少样本」，看量级差多少。
hard = {u'图像分类': 1.0, u'图像分割': 20.0, u'排序模型': 50.0,
u'意图分类＋检索': 3.0, u'检测＋跟踪': 30.0, u'回归': 5.0}
base = 500.0 * hard[model] # 简单分类 500 条起
实跑输出：
--------------------------------------------------------------------
六个领域，同一张对照表
--------------------------------------------------------------------
领域 数据形态 模型类型 交付形式
------------------------------------------------------
电商推荐 用户行为序列 排序模型 接口在线
工业质检 产线图像 图像分类 边缘盒子
医疗影像 CT／MRI 切片 图像分割 院内系统
智能客服 对话文本 意图分类＋检索 接口在线
自动驾驶 多路视频＋点云 检测＋跟踪 车端实时
农业估产 多光谱航拍 回归 离线批处理
领域 模型类型 每类最少样本（量级） 合计
--------------------------------------------------------
电商推荐 排序模型 25000 2.5 万
工业质检 图像分类 500 500 条
医疗影像 图像分割 10000 1.0 万
智能客服 意图分类＋检索 1500 1.5 千
自动驾驶 检测＋跟踪 15000 1.5 万
农业估产 回归 2500 2.5 千
左上到右下，变的是三件事：数据形态、模型类型、交付形式。
训练师换领域时，最容易低估的是「交付形式」——车端要实时、
边缘盒子要省电、院内系统要过审，这三条会反过来限制模型能有多大。
「每类最少样本」那一列是量级估算，用的是「简单分类 500 条起、
分割／检测乘 20 到 30 倍」这种经验系数，不是任何论文的结论。
它的用途是让你在开工前先问一句：这点数据够不够撑这个任务。
第一张表六行，重点是最后一列：交付形式。 车端实时和离线批处理，对模型体积与延迟的要求差好几个数量级。 第二张表里最多的是电商推荐 2.5 万、最少的是工业质检 500，差 50 倍。 这个差距就是「换个领域，数据预算要重算」的量化版本。 系数（20、30、50）是我给的经验值，不是论文数。 它们的作用是让你在开工前有个量级感，不至于拿 500 张图去做分割。 注意「意图分类＋检索」用的是 3 倍而不是 20 倍——因为文本标注比图像标注便宜，而且可以复用已有语料。 成本结构不同，系数就不同。
30 秒实验
- 给「智能客服」这个领域补一条：它的「交付形式」约束是什么？
- 算一算：如果分割要 1 万条、每条 30 分钟，人工要多少小时。
- 想一想：为什么「交付形式」会反过来限制模型大小？
常见误区
- 「一套方法能通吃所有领域」——数据形态和交付约束都不一样。
- 「500 条就能做分割」——差二十倍。
- 「交付是最后一步」——它是第一约束，先定它再选模型。
自测三问（点开对答案）
1. 六个领域之间变的是哪三件事？ —— 数据形态、模型类型、交付形式。 2. 为什么说交付形式是第一约束？ —— 车端、边缘、院内系统的实时性、功耗、合规要求会限制模型大小与结构。 3. 样本量最多和最少差多少倍？ —— 本例差 50 倍（2.5 万 对 500）。第二章讲完能力，第三章动手：从装 Python 开始写代码。
- ☐ （本章完，下一节 3.1.1 下载与安装Python）