由于数据增强只能用于训练数据，因此我将只有很少的 4 个类别的图像用于验证集，这会不会有问题？

您可以首先对图像数据集执行数据增强，然后将其拆分为训练/测试或训练/测试/验证。只需确保测试拆分中存在的图像不包含在训练拆分中，反之亦然。看到这个。

是否需要将其拆分为培训/验证/测试，或者培训/验证是否足够？

验证数据集特别用于微调模型的超参数，即用于超参数优化。如果您想简单地跳过该过程，只需进行两次拆分、训练和测试。看到这个。

请参阅此答案以了解测试和验证数据集之间的区别。

另一个问题是数据不平衡，每个类中的图像数量存在如此大的差异，过采样或欠采样会是一个好的解决方案吗？

我会鼓励你为特定的类增加图像，直到你得到一个接近平衡的数据集。

对于迁移学习和微调，我应该冻结所有卷积层还是只训练一个 FC 层？

作为一种常见的做法，您可以尝试解冻一些初始层（通常具有较少过滤器的层）。参考这个博客。更深的层有更多的过滤器并提取高级特征。