样本太少除了做重采样，生成样本还有什么更好的方式呢

除了重采样以外，还有以下几种方式可以增加样本数量：

1. 数据增强：通过对原始数据进行一些变换，例如旋转、翻转、缩放、裁剪等，生成新的样本。

2. 迁移学习：利用已有的大量相关数据，通过预训练模型的迁移学习方式，将其应用于当前任务，从而提高模型的泛化能力。

3. 合成数据：通过人工合成一些数据样本，例如在图像识别任务中，可以通过在真实图像中添加一些虚假对象或者改变颜色、光照等来生成新的数据样本。

4. 生成对抗网络（GAN）：利用神经网络模拟生成器生成新的样本，然后利用判别器对生成的样本进行评估，从而不断优化生成器的能力，生成更加真实的数据样本。

这些方法都可以有效地增加数据样本数量，从而提高模型的性能和泛化能力。