昨天分享了資料預處理的一種，是用來將電腦可以分辨先後順序的資料進行處理，今天會再介紹兩種，那廢話不多說直接先來講第一種吧。

1.在辨識圖片這種資料時，電腦沒有辦法讀取2維圖片的值，這時我們就要將2維的圖片全部轉換成電腦能讀懂的1維向量，可以大量提高模型訓練的速度，例如一張長和寬皆為27像素的2維向量圖片，就要轉換成729(27*27)個數字的1維向量。而每張2維圖片的特徵都不一樣，所以他們轉換出來的729個數值都會不太一樣。

範例:

先利用Numpy和Matplotlib印出一張圖片

import numpy as np
import matplotlib.pyplot as plt

image = np.zeros((27, 27), dtype=np.uint8)

image[9:18, 9:18] = 255

plt.imshow(image, cmap='gray')
plt.show()

將這張2維像量圖片轉換成1維數字

image_flat = image.reshape(729)

print(image_flat)

在上面這個範例中我們成功將2維圖片轉換1維數字，但可以發現數字都是0和255，這是因為我舉的這個例子的每個區塊都只有全黑或全白，所以只會有兩種結果。但還有另一個問題，就是255這個數值是不是有點太大了，電腦會計算的時間會拉長很多，所以就到了第二種預處理的時間了，第二種處理方法叫做標準化(Normalize)，它的作用是將過大的數字便成0到1之間的浮點數，其實只要將資料除上一個值就好了。

用上一個例子繼續做示範

這樣來看是不是就整齊多了呢