不过，在跑代码之前，还要对数据进行预处理。
    江寒先从报名信息表中，将性别信息仍然“健在”的行挑出来，只保留序号、姓名和性别，另存为label.xls。
    这些记录一共9527条，大约占三万多条数据总数的30%。
    它们对应着9527张真彩色照片。
    24位真彩色的图片，每个像素点在内存里，要占用3个字节的存储单元。
    每张照片有210×120个像素，这样读入一张照片，需要的内存空间就是210×120×3=75600个Byte。
    9527条数据，共需要9527×75600=720241200B≈686.88M≈0.7G！
    这个内存开销，还是比较容易接受的。
    但是，“感知机”的算法，需要进行大量浮点乘法运算。
    对每个像素的每个RGB分量都算一遍？
    没那个必要，也太浪费时间。
    所以，聪明的做法，是先把照片数据“压缩”一下。
    江寒给“感知机”的代码，添加了一个LoadData函数，用来读取和处理照片数据。
    在这个函数里，先定义一个二维的整形数组Feature。
    然后从label.xls中读出序号、姓名信息，按照刚才建立的索引表，找到对应的照片文件。
    下一步，将照片读取到内存中，读取的同时，将每个像素二值化。


本章还未完，请点击下一页继续阅读>>>