第一章 入线检查：图像如何变成数据
第一章 · 入线检查：图像如何变成数据
本章要回答的三个问题：为什么图像识别比多数人想的难得多？为什么最后胜出的是卷积神经网络而不是更聪明的规则？一张图片在被模型处理之前，要经过哪些"入线手续"变成张量？本章是整条流水线的进料口，后续所有章节都建立在这三个答案之上。
为什么会有这一章
很多教程从卷积公式直接开讲，读者背下了公式却答不上一个更基本的问题：模型拿到的到底是什么。答案是一堆浮点数——形状规整、经过归一化的多维数组。进料口混乱，车间必然混乱：尺寸不对、通道顺序搞反、数值没归一化，这些入线问题贡献了初学者一半以上的报错。
把这一章放在最前面还有一层用意：先看清"识别为什么难"，才能体会卷积的两个关键设计（局部连接与权值共享）到底解决了什么。不带着问题读原理，原理就只是条文。
读完能解决什么
对照开篇的三个问题，读完本章你应当能：
- 举出至少三类让传统规则方法崩溃的真实场景（光照、视角、形变），并解释为什么像素级的比对注定失败；
- 说清手工特征（SIFT、HOG）的工作思路与天花板，理解"特征要从数据里学"这一步为什么是分水岭；
- 用参数量账目证明全连接网络处理图像不现实——这个账目在 1.2 有一笔可复算的对照；
- 把任意一张图片按正确的通道数、尺寸与数值范围读成 PyTorch 张量，说出 NCHW 每个字母的含义；
- 独立排查"通道顺序反了""数值范围错了""忘了归一化"这三类最常见的入线事故。
各节怎么分工
| 节号 | 回答的问题 | 关键产出 |
|---|---|---|
| 1.1 图像识别难在哪 | 规则与手工特征为什么走不通 | 识别难题清单与学习时代的入场理由 |
| 1.2 局部连接与权值共享 | 卷积凭什么胜出 | 参数量对照账与两条归纳偏置 |
| 1.3 图像数据基础 | 图片如何变成规范张量 | 一套可复用的入线检查代码 |
本章巡检路线
图 1-1 入线检查区布局
动手前自测
动笔写代码前，先用三道小题确认装备到位。其一：一张 64×64 的灰度图和一张 64×64 的彩色图，张量形状各是多少？答：1×64×64 与 3×64×64，差别只在通道维。其二：128 张 224 分辨率彩图组成一批，仅输入本身占显存约多少？答：128×3×224×224×4 字节约 73.5 MiB，训练时还要乘上激活与梯度的倍数。其三：为什么像素距离不可靠？答：类内变化（平移、光照）可能大于类间差异，1.1 节那个 2.83 对 2.45 的小账就是证据。三题都对，继续往下；卡住了，回到对应小节再读一遍。
本章工具清单
带走三样工具离开进料口。一是形状语言：NCHW 四维的报读方式，全册通用；二是对账公式：显存 = 元素数乘四字节，输入侧的账随时心算；三是排查口诀：形状、通道序、数值范围三查，先于一切调参。工具虽小，1.3 节那两类"不报错只掉分"的事故（通道颠倒、忘除 255）全靠它们提前拦截。工程习惯的差距，往往就是从进料口开始拉开的。
先决条件
- 会用 Python 做基本的数组操作，知道 NumPy 数组的形状概念；
- 装有 PyTorch（本章代码只用最基础的张量与网络层接口）；
- 不需要任何深度学习先修知识，需要的数学不超过乘法与取整。
往下走到哪
本章结束的地方，正是第二章主车间的入口：一张 32×32 的彩色图像已变成形状 (1, 3, 32, 32) 的张量。下一章开始，卷积核、激活函数、池化层将在它身上依次作业，你会亲眼看着这个形状在流水线上逐站变形，并学会为每一站登记参数量账目。