单纯的感知机在今天几乎没有任何实际用途，但并不罕见，它几乎被所有的神经网络书籍当作入门知识来使用，为了给本书第三部分关于机器学习的内容打个良好的基础，笔者用一个具体例子来详细解释一下感知机的工作原理。我们的目标是令机器拥有自动识别阿拉伯数字的能力，假设待识别的数字通过光学扫描后存储于 14×14 像素大小的图片文件中，其中可能包含各种形式的数字，可能是不同印刷体或者手写体，然后，我们准备了如图 4-8 所示的训练集供机器进行学习。
“训练集”是机器学习理论中的常见词汇，这里我们可以这样理解：这是一组内容是数字的图片，我们事先会明确标注出这组图片中每一张图片实际代表的数字是什么，供计算机学习使用，称为训练集。
首先，我们要设计一套适当的数据结构，以便机器可以存储和处理这些数字图片。以一张 14×14 像素大小的灰度数字图片为例，假如我们用 1 表示黑色的像素，用 0 表示白色的像素，中间过渡的像素根据灰度强度大小用 0～1 之间的浮点值来表示，那么一个 14×14 像素大小的二维数组便可以存储训练集中的数字图片，如图 4-9 所示。我们把这个数组作为输入计算机的信息来源。
122
第二部分 学派争鸣
○一 本例中的训练集来自 MNIST（http://yann.lecun.com/exdb/mnist/），部分图片来源于谷歌TensorFlow 白皮书的教程部分。