總目錄（請務必點擊總目錄從前言看起，這樣你才能充分理解本篇文章）
通過對前面文章的學習，我們已經知道神經網絡可以實現真正的人工智能。本小節我會進行詳細地講解，讓大家徹底地弄懂神經網絡。在僅僅只學完一篇文章後，你肯定依然感覺朦朧，這是正常的，因爲不可能用一篇文章就把神經網絡給講清楚了。當你學完本小節所有文章後，你就會感覺豁然開朗了。
我們需要弄懂的第一步就是如何將數據輸入到神經網絡中。例如，在語音識別、人臉識別這些應用中，是如何將語音、人臉輸入到神經網絡中的？
本文我用一個“人工智能去除馬賽克”的例子來給大家介紹如何將AV圖像數據輸入到神經網絡中。當我們平時在看島國的AV愛情動作片時，總有不少影片有馬賽克，嚴重地阻礙了我們的求知慾~~所以我們要把馬賽克去掉，將有碼的愛情動作片變成無碼的。使用人工智能去除馬賽克的第一步就是要將有碼的圖像輸入到神經網絡中。
(CSDN會定期掃黃，錯誤地將其視爲黃色圖片——圖片中是有馬賽克的哦。如果看不到圖片，請在評論中留言)
上面是一張有碼的AV愛情動作圖像。爲了存儲這張圖像，計算機要存儲三個獨立的矩陣（矩陣可以理解成二維數組，後面的文章中我會給大家詳細講解）。如上圖所示，這三個矩陣分別與此圖像的紅色、綠色和藍色相對應。世界上的所有顏色都可以通過紅綠藍三種顏色調配出來，也就是說計算機裏面的圖像都是通過紅綠藍三個顏色值組合出來的。雖然我們肉眼看到的是一個AV女優的圖像，但實際上它在計算機中是一堆數字。
一個像素就是一個顏色點，一個顏色點由紅綠藍三個值來表示，例如，紅綠藍爲255,255,255，那麼這個顏色點就是白色。如果圖像的大小是64 * 64個像素，那麼3個64 * 64大小的矩陣在計算機中就代表了這張圖像。上圖中只畫了個5 * 4的矩陣，而不是64 * 64，爲什麼呢？因爲沒有必要，搞複雜了反而不易於理解。其實有些朋友現在就已經有些朦朧了，這是正常的，所以才需要一系列的教程。通過對後面文章的學習，你就會慢慢地對這些知識有了深入的理解了！所以現在有些不明白的地方沒有關係，繼續往下學！
爲了更加方便後面的處理，在人工智能領域中我們一般會把上面那三個矩陣轉化成1個向量（向量可以理解成1 * n或n * 1的數組，前者爲行向量，後者爲列向量，後面我也會對向量進行詳細的講解）。那麼這個向量的總維數就是64 * 64 * 3，結果是12288，也就是說上面那個有碼的圖像在計算機中就是12288個數字。在人工智能領域中，每一個輸入到神經網絡的數據都被叫做一個特徵，那麼上面的這張圖像中就有12288個特徵。這個12288維的向量也被叫做特徵向量。神經網絡接收這個特徵向量作爲輸入，並進行預測，分析那塊有碼，然後去除可惡的馬賽克，然後給出無碼的圖像！
對於不同的應用，需要識別的對象不同，有些是語音，有些是圖像，有些是金融數字，有些是機器人傳感器數據，但是它們在計算機中都有對應的數字表示形式，通常我們會把它們轉化成一個特徵向量，然後將其輸入到神經網絡中。
本篇文章我們已經知道了數據是如何被輸入到神經網絡中的。那麼神經網絡又是如何根據這些數據進行分析預測的呢？下篇文章我將給大家揭曉。
下一篇：《神經網絡是如何進行預測的》