不过，在跑代码之前，还要对数据进行预处理。

江寒先从报名信息表中，将性别信息仍然“健在”的行挑出来，只保留序号、姓名和性别，另存为label.xls。

这些记录一共9527条，大约占三万多条数据总数的30%。

它们对应着9527张真彩色照片。

24位真彩色的图片，每个像素点在内存里，要占用3个字节的存储单元。

每张照片有210×120个像素，这样读入一张照片，需要的内存空间就是210×120×3=个Byte。

9527条数据，共需要9527×=B≈686.88M≈0.7G！

这个内存开销，还是比较容易接受的。

但是，“感知机”的算法，需要进行大量浮点乘法运算。

对每个像素的每个RGB分量都算一遍？

没那个必要，也太浪费时间。

所以，聪明的做法，是先把照片数据“压缩”一下。

江寒给“感知机”的代码，添加了一个LoadData函数，用来读取和处理照片数据。

在这个函数里，先定义一个二维的整形数组Feature。

然后从label.xls中读出序号、姓名信息，按照刚才建立的索引表，找到对应的照片文件。

下一步，将照片读取到内存中，读取的同时，将每个像素二值化。

具体做法是：色彩浓度在阈值以上的像素，取值为1，低于阈值就让它为0。

这样一来，原本的真彩色照片，就被转换成了黑白轮廓图。

然后，再将轮廓图中的0或者1的取值，按照从左到右、从上到下的顺序，重新编排成一行数据，存放到数组Feature中。

Feature中的每一行，都存储了一张照片的二值化信息。

Loading...

未加载完，尝试【刷新网页】or【关闭小说模式】or【关闭广告屏蔽】。

使用【Firefox浏览器】or【Chrome谷歌浏览器】打开并收藏！

移动流量偶尔打不开，可以切换电信、联通网络。

收藏网址：www.sisiread.com

(＞人＜；)