我正在尝试训练一个分类器来识别图像中标签上的不同形状（圆形、矩形和空白 – 下面有示例），我认为scikit-neuralnetwork可能会有所帮助，因为我在使用SVM时没有取得太大成功。我在他们的网站上找到了文档，但对于用于训练网络的数据格式不太确定。

from sknn.mlp import Classifier, Convolution, Layernn = Classifier(    layers=[        Convolution("Rectifier", channels=8, kernel_shape=(3,3)),        Layer("Softmax")],    learning_rate=0.02,    n_iter=5)nn.fit(X_train, y_train)

我的灰度图像是24*24像素的，那么我可以使用由这些矩阵组成的NumPy数组（”X_train”）吗？这样我就不必将每张图像展平成一行来形成我的训练矩阵，并且不会丢失所有的形状信息（这是我在训练SVM、LDA、PCA等时发生的情况）。

回答：

无需展平数据。只需提供一个矩阵数组。在你的情况下，X_train.shape 将是 (NUM_OF_EXAMPLES, 24, 24)。请查看数字示例。