不過，在跑代碼之前，還要對數據進行預處理。
江寒先從報名信息表中，將性別信息仍然“健在”的行挑出來，只保留序號、姓名和性別，另存為bel.xls。
這些記錄一共9527條，大約占三萬多條數據總數的30%。
它們對應著9527張真彩色照片。
24位真彩色的圖片，每個像素點在內存里，要占用3個字節的存儲單元。
每張照片有210×120個像素，這樣讀入一張照片，需要的內存空間就是210×120×3=75600個Byte。
9527條數據，共需要9527×75600=720241200B≈686.88M≈0.7G！
這個內存開銷，還是比較容易接受的。
但是，“感知機”的算法，需要進行大量浮點乘法運算。
對每個像素的每個RGB分量都算一遍？
沒那個必要，也太浪費時間。
所以，聰明的做法，是先把照片數據“壓縮”一下。
江寒給“感知機”的代碼，添加了一個LoadData函數，用來讀取和處理照片數據。
在這個函數里，先定義一個二維的整形數組Feature。
然后從bel.xls中讀出序號、姓名信息，按照剛才建立的索引表，找到對應的照片文件。
下一步，將照片讀取到內存中，讀取的同時，將每個像素二值化。
具體做法是：色彩濃度在閾值以上的像素，取值為1，低于閾值就讓它為0。
這樣一來，原本的真彩色照片，就被轉換成了黑白輪廓圖。
然后，再將輪廓圖中的0或者1的取值，按照從左到右、從上到下的順序，重新編排成一行數據，存放到數組Feature中。
Feature中的每一行，都存儲了一張照片的二值化信息。
一共9027張照片，就需要9027行。
全部照片處理完畢后，就得到了一個巨大的二維數組Feature。
它有25200列、9027行！
接下來，定義一個擁有9027個整形元素的一維數組Label。
從bel.xls中讀入性別信息，男生設為1，女生設為0，存放在數組Label中。
Feature加上對應的Label，就構成了訓練數據集。
訓練“感知機”時，將一行行Feature代入公式中，進行加權和運算，其結果再通過sign函數，轉換為0或1，然后和對應的Label值對照。
如果不相符，就調整權重和偏置，然后重新計算。
當每一個Feature代入公式后，都能計算出正確的Label時，就得到了一組權重和偏置。
也就是說，構建出了一個可用的數學模型。
依據這個模型，計算機就可以讀入任何一張同尺寸、類型的照片，對其二值化的數據代入模型中運算，并根據運算結果判斷分類歸屬。
這就是典型的機器學習過程，計算機從數據中自己“學”到了某種規律。
即使這種規律，人類并不一定完全理解，也不見得能用數學語言解釋清楚……
剩下的就比較簡單了。
接下來，江寒又添加了幾個函數，用來輸出運算結果、觀察運行情況等。
最后，從頭調試了一遍，確認沒啥bug后，將代碼重新編譯，然后運行了起來。
屏幕上有一些數字，表示當前正在處理的數據，和訓練進度的百分比。
十分鐘后，后一個數字才剛剛達到1.3%。
這表示，完整訓練一遍，大約需要13個小時……
之所以這么慢，主要是江寒的程序，比較追求穩定性，以及調試的方便、快捷，并沒特別講究執行效率。
當然，即使他用心優化，估計也需要8個小時以上，才能完成訓練。
雖然有點慢，但其實沒什么關系，訓練過程并不需要人工干預，掛機等著就行。
第二天早晨，江寒起床后，先看了下訓練進度，還差了大約13%才能完成，就先去班級上課。
中午吃完飯回來，訓練終于結束了。
而存放權重和偏置參數的Weight數組，也以內存映像的方式，保存在了一個二進制文件中。
接下來就簡單了。
重建一個一模一樣的感知機模型，加載上這個權重文件，就可以用它來判斷剩余照片的性別了。
江寒重新改寫代碼，然后運行。
這次十分迅速，只用了不到20分鐘，就將兩萬一千來張照片，全部處理完畢。