実際に取り扱うデータには，数値，カテゴリ，テキスト，画像，音声，動画等，さまざまな種類がある．ニューラルネットワークは数値配列を扱う高度な方法であるが，非数値入力をそのままで扱うことはできない． Wolfram言語は非数値データとネットワーク対応NumericArrayオブジェクトとの変換を自動的に効率よく行うためのエンコーダ・デコーダを提供する．特別な特徴抽出器や一般的な関数からカスタムのエンコーダも作成できる．

エンコーダ

NetEncoder — 画像，カテゴリ等を数値配列に変換する

音声エンコーダ

"Audio" — 音声を波形の大きさの列として符号化する

"AudioMelSpectrogram" — 音声をメルスペクトログラムとして符号化する

"AudioMFCC" — 音声をMFCC（メル周波数ケプストラム係数）ベクトルの列として符号化する

"AudioSpectrogram" — 音声をスペクトログラムとして符号化する

"AudioSTFT" — 音声をフーリエ(Fourier)変換の列として符号化する

テキストエンコーダ

"SubwordTokens" — 文字列中のトークンを整数コードの列として符号化する

"Characters" — 文字列中の文字を整数コードまたはワンホットベクトルの列として符号化する

"Tokens" — 文字列中のトークンを整数コードの列として符号化する

"UTF8" — 文字列をそのUTF8バイトとして符号化する

画像エンコーダ

"Image" — 2D画像を階数3の配列として符号化する

"Image3D" — 3Dの画像を階数4の配列として符号化する

動画エンコーダ

"VideoFrames" — 動画のフレームを階数3の配列として符号化する

その他のエンコーダ

"Boolean" — TrueとFalseを1と0として符号化する

"Class" — クラスラベルを整数コードまたはワンホットベクトルとして符号化する

"Function" — カスタム関数を使って入力を符号化する

"FeatureExtractor" — FeatureExtractorFunctionを使って入力を符号化する

デコーダ

NetDecoder — 数値配列を画像，確率等として解釈する

テキストデコーダ

"SubwordTokens" — 確率ベクトルをサブワードトークンの文字列として復号化する

"Characters" — 確率ベクトルを文字の列として復号化する

"Tokens" — 確率ベクトルをトークンの文字列として復号化する

画像デコーダ

"Image" — 階数3の配列を2D画像として復号化する

"Image3D" — 階数4の配列を3D画像として復号化する

その他のデコーダ

"Boolean" — 1と0をTrueとFalseとして復号化する

"Class" — 確率配列をクラスラベルとして復号化する

"CTCBeamSearch" — CTCLossLayerで訓練された確率ベクトルの列を復号化する

"Function" — カスタム関数を使って復号化する