一个像素就是一个颜色点，一个颜色点由红绿蓝三个值来表示，例如，红绿蓝为255,255,255，那么这个颜色点就是白色。如果图像的大小是64 * 64个像素，那么3个64 * 64大小的矩阵在计算机中就代表了这张图像。上图中只画了个5 * 4的矩阵，而不是64 * 64，为什么呢？因为没有必要，搞复杂了反而不易于理解。其实有些朋友现在就已经有些朦胧了，这是正常的，所以才需要一系列的教程。通过对后面文章的学习，你就会慢慢地对这些知识有了深入的理解了！所以现在有些不明白的地方没有关系，继续往下学！
为了更加方便后面的处理，在人工智能领域中我们一般会把上面那三个矩阵转化成1个向量（向量可以理解成1 * n或n * 1的数组，前者为行向量，后者为列向量，后面我也会对向量进行详细的讲解）。那么这个向量的总维数就是64 * 64 * 3，结果是12288，也就是说上面那个有码的图像在计算机中就是12288个数字。在人工智能领域中，每一个输入到神经网络的数据都被叫做一个特征，那么上面的这张图像中就有12288个特征。这个12288维的向量也被叫做特征向量。神经网络接收这个特征向量作为输入，并进行预测，分析那块有码，然后去除可恶的马赛克，然后给出无码的图像！
对于不同的应用，需要识别的对象不同，有些是语音，有些是图像，有些是金融数字，有些是机器人传感器数据，但是它们在计算机中都有对应的数字表示形式，通常我们会把它们转化成一个特征向量，然后将其输入到神经网络中。
原文：https://blog.csdn.net/jiangjunshow/article/details/77719604