Python 如何将图像转换为感知器算法的输入向量?
我需要实现一个简单的感知器算法。有两类“猫和狗”。每个训练样本是一对形式Python 如何将图像转换为感知器算法的输入向量?,python,image,deep-learning,classification,perceptron,Python,Image,Deep Learning,Classification,Perceptron,我需要实现一个简单的感知器算法。有两类“猫和狗”。每个训练样本是一对形式(x,t),其中x是输入值的向量,t是目标输出值。但我不知道如何在python中为perceptron将图像转换为向量形式? 向量形式是什么意思 图像的大小为32*32。感知器只处理向量,而不处理矩阵。所以你应该把你的图像展平成为一个向量。因此,如果你有一批形状像(1000,32,32)的图像,你可以这样做: x = x.reshape((len(x), x.shape[1]*x.shape[2])) 将来,如果你还想处理
(x,t)
,其中x
是输入值的向量,t
是目标输出值。但我不知道如何在python中为perceptron将图像转换为向量形式?
向量形式是什么意思
图像的大小为32*32。感知器只处理向量,而不处理矩阵。所以你应该把你的图像展平成为一个向量。因此,如果你有一批形状像(1000,32,32)的图像,你可以这样做:
x = x.reshape((len(x), x.shape[1]*x.shape[2]))
将来,如果你还想处理图像,可以看看卷积神经网络(CNN)。感知器只处理向量而不是矩阵。所以你应该把你的图像展平成为一个向量。因此,如果你有一批形状像(1000,32,32)的图像,你可以这样做:
x = x.reshape((len(x), x.shape[1]*x.shape[2]))
将来,如果您仍想处理图像,请查看卷积神经网络(CNN)。如果您有大小为32x32的图像
a
:
>>> a=np.random.random((32,32))
>>> a.shape
(32, 32)
然后,您可以通过以下方式将其转换为向量,以向感知器提供反馈:
>>> b=a.reshape(1,1024)
>>> b.shape
(1, 1024)
如果您有大小为32x32的图像
a
:
>>> a=np.random.random((32,32))
>>> a.shape
(32, 32)
然后,您可以通过以下方式将其转换为向量,以向感知器提供反馈:
>>> b=a.reshape(1,1024)
>>> b.shape
(1, 1024)
图像是32x32,因此您有1024个值:这是您的向量!例如,只需对所有列进行concat…图像是32x32,因此您有1024个值:这是您的向量!如果
x
是32x32
?是的,我认为你正在处理一批图像,比如(100,32,32)你的意思是x=x.reforme(1,x.shape[1]*x.shape[0])
如果x
是32x32
,是的,我认为您正在处理一批图像,大约是(100,32,32)