增加训练集和验证集的数据，还是只增加训练集，以便在卷积神经网络上获得尽可能好的准确度，是不是更好？

增强总是一件好事，只要它代表了数据的实际分布。增加你的训练集可能会给你足够的样本来训练高方差低偏差模型[作为训练集样本的增加，如果足够通用，可以防止过度拟合]

验证集扩充为您提供更多样本进行验证，所以它总是很好。

但在某些情况下，增强数据与初始训练集样本非常相似。与其他样本相比，这增加了某些样本数据点的数量。由于数据集的偏差性质，这可能会导致模型过拟合。因此，确保扩充集中的样本不仅仅是数据的副本总是明智的。例如：在图像中，您可以添加随机噪声，而不仅仅是旋转它们。