如何神经网络区分扁平行中的图像答案

【问题标题】：How to neural network differentiate between images in flatten rows如何神经网络区分扁平行中的图像
【发布时间】：2018-05-22 14:20:21
【问题描述】：

我正在从以下网站学习

http://cs231n.github.io/classification/

我想了解神经网络如何区分图像。

Xtr, Ytr, Xte, Yte = load_CIFAR10('data/cifar10/') # a magic function we provide
# flatten out all images to be one-dimensional
Xtr_rows = Xtr.reshape(Xtr.shape[0], 32 * 32 * 3) # Xtr_rows becomes 50000 x 3072
Xte_rows = Xte.reshape(Xte.shape[0], 32 * 32 * 3) # Xte_rows becomes 10000 x 3072

例如，这里我们有 50000 个训练示例，但是当我们将其展平时它变成 50000 x 3072，这只是神经网络如何理解的数字这是第一张图片，这是第二张图片等等。

【问题讨论】：

标签： image-processing neural-network computer-vision deep-learning conv-neural-network

【解决方案1】：

在您的数据集中，您有 50000 张图像，具有 32x32 像素和 3 个通道。

扁平化意味着您将每个图像转换为一维向量。

每张图片包含 32x32x3 = 3072 个值。因此，在这一步之后，您将拥有一个由 50000 个向量组成的数组，每个向量包含 3072 个元素。

第一个图像是 Xtr_rows 中的第一个元素。计算机就是这样知道的。

是的，神经网络就像任何其他计算机程序一样只是处理数字。

【讨论】：