C# 过程向量是输入'；神经网络输入层的s神经网络

我正在研究使用神经网络和PCA（主成分分析）进行人脸检测，但我对神经网络的输入层有一个问题：

在使用PCA处理图像人脸数据库后，我得到了一组特征向量（1个图像人脸=1个向量）

---

根据神经网络文档，输入层只接受实际值（例如0.1、1、100、10000）。但是如果输入是向量，那么我不能在这一步中进行处理。

向量-在您的例子中是一组有序的数字。正当神经网络的输入层也可以看作是一个向量。两个向量的长度必须相同。因此，应该将向量的第一个元素应用于输入层网络的第一个输入，向量的第二个元素-第二个输入，第三个元素-第三个输入，…

谢谢Dmitry。但如果我们每次训练一个向量，然后应用“反向传播”来更新神经网络的权值，我们必须训练n次（n是图像人脸数据库向量的数目），并且我们有n个设置的权值。这可能是一种真实的方式，或者……我误解了神经网络。别提了。网络训练基于一个样本——向量数据库。基向量有n个，网络输入有n个，这可能只是巧合。这些向量有多长？我认为相同长度的“n”。您应该将这些向量的分量应用于网络的相应输入。不可能将向量发布到网络的一个输入。在这张图中，x1、x2、…、xn是向量的分量：