第16章 她白得就跟250一样（第1页）

请退出浏览器阅读模式，否则将导致章节内容缺失及无法阅读下一章。🎁黑料不打烊看片

齐凡又喝下一口贤者饮料，给自己充能。

对图像的数字化处理，首先自然就是将彩色图转化为灰度图。简单来说，就是将一张彩色照片弄成黑白的。

之后那黑白图像上的一个个像素点的灰度值，便是计算机看到的东西。

齐凡忽的想起李月。她可真白！

贤者状态下的齐凡是很纯洁的，比4个9的黄金还要纯。他想起李月完全是因为好奇该如何用数字形容她的白。

灰度值的范围是0~255。0代表纯黑，255代表纯白。

李月该有多白。150？200？还是250？

齐凡觉得一定是250。她白得就跟250一样。

人类通过一个个像素点的灰度值就能识别出物体，其实计算机也是这么干的。

这其实是很浅显易懂的道理。只要这個世界上没有修仙和魔法，那做同一件事情多半就是用同一种方法，只不过是过程有些不同罢了。

就如，人类对着一副图像看一样就什么都明白了，人类自己甚至都感受不到这个过程。

你看到图像上有一只猫，你不会下意识去思考“我为什么会认为它就是一只猫”。也就是说，人类根本不明白自己识别的过程。

因而在于如何教计算机识别图像的问题上，人类绞尽脑汁，这类问题就是机器学习诞生的初衷。

齐凡通过阅读许阳他们的代码，知道他们并未采用简单的线性回归来处理数字识别。他想想也是，毕竟线性这东西就如一个直男，脑子永远就是一根筋的，只能走直线，走不了曲线，自然也就处理不了复杂些的问题。

比如：异或问题。这是一个最典型的非线性问题。

所谓异或，就是：同为0，异为1。两个数字1异或之后结果是0。

用白话来解释线性和异或的话，线性可以看成是按套路办事，非线性则可看成不按套路出牌。异或就是不按套路出牌的一种典型情况。

如果计算模型是线性的，那无论如何它也无法处理非线性的问题。哪怕是把现有CPU的运算能力翻一万倍，那也是无济于事的。

这就好比一个男人还没结婚的时候，他的钱都是他的。结婚之后，计算机按往常理解，就是把夫妻双方的钱加起来除以2。

不加干预的话，计算机是无法自己开窍其实不是除以2，而是很可能向某一方汇聚，最后男方那边剩余是0。

（）;（）　　面对这种问题，线性方法是处理不了问题的。这个时候可以用SVM支持向量机的升维。

就好比婚后的一对男女同住在一块，男的保不住钱。那怎么办？可以人为制造一个维度将男女分开，一个在天南一个在地北。这样两人的地域就不在一个维度了。通过新增一个地域维度，从而实现地域维度上的分离，这样男人的钱就能保住了。

当然，计算机的世界里没有微信转账，这种可以沟通不同地域维度的东西。

齐凡也不知道自己看书看着看着，怎么脑子里会有这么多奇奇怪怪的想法。他自己也知道这个例子用来形容SVM不是很恰当，但他觉得这个例子很有意思。

他觉得直男是想不出这种例子的。

贤者饮料的牛X莫过于此--让不是直男的齐凡，在进入贤者状态后，思维无限自由发散，却能在面对欲望的时候，表现得比直男直一万倍。

齐凡自己都没有察觉到这一点。否则的话，他多半会去做一件事--看些小成本电影。

他肯定会好奇，自己能否在深切感知电影主角们悸动的同时，自身又能做到心如止水。

齐凡收回思绪，回到数字图像处理的问题上。

SVM的作用主要是拿来分类，而数字识别就是一个典型的分类问题。因为一个数字只有0~9这几种可能。

🎁黑料不打烊看片请退出浏览器阅读模式，否则将导致章节内容缺失及无法阅读下一章。