上回提到了「資料的概念」，只要是讓電腦用來學習的素材都可以稱作資料，然而實際上電腦看到的是什麼呢？我們舉幾個常見的例子。

圖片 Image

我們平常看到的圖片，對於電腦來說，不同格式有不同表示法，像是一張長 n 像素、寬 m 像素（pixels）大小的黑白照片，就會用 n x m 大小的矩陣來表示，其中每個元素都是 0 到 255 之間的整數；如果變成同樣大小的彩色照片，就會變成 n x m x 3 大小的張量（tensor）來表示，也就是紅、綠、藍三色分別代表一個 n x m 的矩陣，一樣每個元素都是 0 到 255；更或者有些除了顏色外，還多了透明值（alpha）一個維度，那就會變成 n x m x 4 大小的張量，有時候我們也會做正規化，變成 0 到 1 之間的實數來表示一個值。

影片 Video

影片可以把它理解為很多張圖片所串接起來，所以可能會變成 n x m x 3 x f 大小的張量，f 是指總共有幾幀的畫面，我們常用的單位就是看每秒幾幀（frame per second, fps），像是 100 fps 就是指一秒拍了 100 張圖片，如果是個一分鐘整的影片，最後就會有 6000 （= 100 x 60）幀圖片囉。

類別 Category

我們有時候會對資料做一些分類，有了好幾種不同的類別或標籤，最常見的就是 One-hot encoding。假設我們現在有 n 個不同的類別，那我們就會取一個 $n$ 維的向量，如果資料有第 $i$ 個類別，那這個向量的第 $i$ 維度就會設成 1 ，反之為 0。

音檔 Audio

音檔的表示方法就比較複雜也很多樣，我們知道聲音是一種波，第一種方法就是震幅隨著時間的變化，就會形成一個向量，其他方法包括頻譜分析（frequency domain）或是做傅立葉轉換等，也可以用來描述音檔，這裡就先不詳細探討。

文字 Text

文字表示法是最繁雜的，最暴力的方法就是把一個字詞看作一個類別，這樣就可以用類別表示法，使用 One-hot encoding。如果是英文，可能勉勉強強還有機會，就是當作總共有劍橋英語詞典這麼多單字量的類別來處理，然而當語言換成中文的時候，這方法就會完全壞掉，除非你再處理特定有限字詞的情況，否則你根本不知道有多少字詞，另外還存在許多缺點，像是這樣形成的矩陣、向量會變非常的稀疏（sparse），大部分都是 0，少部分是 1。所以當然還有其它表示法，像是詞向量（word embedding）等，這裡也先不詳細探討了。

總結

資料千千萬萬總，這裡只是舉了最常見五種的表示方法，不同資料就會有不同的表示方法，有時候表示方法也是個令人頭疼的問題，我們會在之後的系列裡提到。