首先要明白训练集、验证集、测试集的含义，简单来说：
1. 训练集是用来training模型，调整对应的parameters（例如weights）
2. 验证集是用来tuning模型的 hyperparameters（例如architecture，训练前就已经决定好的parameters，例如有多少hiden layers，这也是它也被称为开发集的原因）
3. 测试集用来获得最终模型的performance，例如正确率等
有个这个常识，就知道怎么划分了，譬如你有一个数据集，首先要做一下
shuffle,划分之前要保证三个数据集有相同的数据分布，如下图，有这个基础，测试和验证集才有意义。
至于怎么划分，需要看具体的case，参考斯坦福大学的deep learning课程 ***s://cs230-stanford.github.io/train-dev-test-split.html，没有具体的标准，不过尽量让验证集和测试集不要太少，例如1000000图片集，验证和测试不要低于10000，即1%，如果数据量不够大的话，通常会按照80-10-10的比例：
注意：random不是完全随机，需要保证reproducible
1、语言成绩及平均分
GPA平均分：3.7
雅思最低要求：7
托福最低要求：100
大学各科目成绩单：需要
2、三封推荐信
斯坦福商学院在近年来的教学***别强调高科技的运用。很多课程的内容都涉及如何创立高科技公司，如何在某个行业或大企业实行技术转变，以及如何运用新技术来开发新产品等。
为此，学校每年要从硅谷等地邀请很多高层企业管理人员来为学生授课，讲述他们的实际经验。
3、GMAT&GRE成绩要求
工商管理博士课程GMAT：730
哲学博士课程GMAT：730
标准化考试是能够突出学术水平的考量标准之一。Stanford***用择优录取的形式，没有录取的最低考试分数，也没有保证录取的分数。在Stanford，全面审查申请资料，这意味着申请的每个组成部分都是有价值的 !
本科：ACT或SAT(不要求写作/论文)
斯坦福大学接受旧SAT和新SAT的成绩。
研究生：所有专业均需要有GRE成绩，法学院、医学院、商学院除外，它们要求的分别是LSAT、MCAT以及GMAT。
申请研究生最重要的是专业研究成果。
根据过往的数据显示，80%的申请者达到了以下要求：
本科
高中毕业，成绩优秀
GPA：3.9+
TOEFL:110+ 或 IELTS:6.5 (单科≥6）
是申请本科还是研究生？如果是本科 国内读的高中一般没什么希望 申請研究生稍好一点 但至少GRE要330以上托福115以上并且最重要的是国外权威人士的推荐信 象世界前五的大学 不是够优秀 一般不太会被录取 除非有特殊特别的特长或研究 斯坦福大学就是美国人录取的也不多 除非来至精英家庭
1. 确定要申请的阶段，比如是本科或者硕士还是博士；
2. 开始准备的时间：看自己目前所处的准备时间阶段。本科的话，最早可以从初中开始准备；研究生（硕士+博士）的话，可以比较早地从大一开始定向性地准备；
3. 前两个定好之后，你与学校之间的距离就很清楚了，从在校成绩、TOEFL类的语言考试、到SAT/ACT/GMAT/GRE等其它不同阶段或专业要求的考试就明确了；同时需要哪些软性背景提升也清楚了。做好时间规划，要完成的事情规划，马上执行就好了。
4. 申请这类学校，大都属于冲高。对于冲高类的学校，你只能：早准备、尽全力、最后看运气。
