Python 通过机器学习获取图像输入和3个浮点输出

我有一个只有黑白像素的图像。500x233px。我想使用这个图像作为输入，或者图像中的所有像素作为单独的输入，然后使用机器学习接收3个浮点值作为输出

我花了一整天的时间在这上面，什么也没想到。我能找到的最好的是一些图像分类库，但我不想对图像进行分类。我试图得到3个值，范围从-180.0到180.0

我只是想知道从哪里开始。Tensorflow似乎可以做我想做的事情，但我不知道从哪里开始

我认为我的主要问题是，我没有一个输入一个输出。我一直试图使用每个像素的值（0或1）作为输入，但我的输出不适用于每个像素，只适用于整个图像。我试着创建每个像素值的字符串并将其作为一个输入，但这似乎也不起作用

我应该使用神经网络吗？还是遗传算法？还是别的什么？或者我只接受我需要的三个输出中的一个，并且只为每个输出训练三个不同的模型，这样会更好吗？即使这样，我也不知道如何从这些东西中获得浮点值。也许机器学习甚至不是正确的方法

---

非常感谢您的帮助

您在寻找无监督或有监督的方法吗？我的意思是说，对于一个图像，你是否有任何“3个浮点”的想法，你可以将其用作训练网络的目标，或者你想要像群集这样的东西？我知道我想要训练它的数据。那么就没有那么难了。首先将图像数组作为特征，将已知数据作为目标。从最简单的神经网络开始，也就是MLP。从一个中间层开始，少量的神经元。看看你的训练进展如何，然后调整你的超参数。但我不知道如何将图像作为一个功能发送。我是否发送所有像素值的数组？我是否使用某种图像对象？是的，所有像素值。展平物体，使每个样本具有

500x233=116500

特征，。因此，如果有x个图像，输入特征形状将是

[x116500]

，目标形状将是

[x，3]