4、如何将待预测数据输入到神经网络中？

本文属于学习笔记，依据（微信公众号：jack床长）的文章整理博客链接：http://blog.csdn.net/jiangjunshow



如图所示，待预测的数据是一张图像。为了存储图像，计算机要存储三个独立的矩阵（矩阵可以理解成二维数组），分别与此图像的红色、绿色和蓝色相对应（世界上的所有颜色都可以通过红绿蓝三种颜色调配出来）。如果你的输入图像的大小是64x64个像素（一个像素就是一个颜色点，一个颜色点由红绿蓝三个值来表示，例如，红绿蓝为255,255,255，那么这个颜色点就是白色），所以3个64×64大小的矩阵在计算机中代表了一张图像，对应于图像的红绿蓝的强度值。上图中只画了个5×4的矩阵，而不是64×64，为什么呢？第一是因为我很懒，第二还是因为我很懒，第三是因为没有必要，意思意思你能明白就可以了！做人不能太认真了。

为了更加方便后面的处理，我们一般把上面那3个矩阵转化成1个向量（向量可以理解成1*n或n*1的数组，前者为行向量，后者为列向量）。那么这个向量x的总维数就是64x64x3，结果是12288。在人工智能中，每一个输入到神经网络的数据都被叫做一个特征，那么上面的一张图像中就有12288个特征。这个12288维的向量也被叫做特征向量。神经网络接收这个特征向量x作为输入，并进行预测，然后给出相应的标签y，y为1或0，即是有猫的图像还是无猫的图像。

待预测数据就是这样被输入到神经网络中的。虽然对于不同的应用，需要识别的对象不同，有些是语音有些是图像有些是传感器数据，但是它们在计算机中都有对应的数字表示形式，通常我们会把这些数字表现形式转化成一个特征向量，然后将其输入到神经网络中。