实际工作数据有多种类型，包括数字、分类、文本、图像、音频和视频. 神经网络使用一种特别复杂的方法来操作数值数组，但不能原生处理非数值输入. Wolfram 语言提供专用的编码器和解码器，以自动高效地将非数值数据与网络兼容的 NumericArray 对象相互转换. 可以从特殊特征提取器或任何通用函数创建自定义编码器.

编码器

NetEncoder — 将图像、分类等转换成数值数组

音频编码器

"Audio" — 把音频编码为波形幅度序列

"AudioMelSpectrogram" — 把音频编码为 mel 频谱

"AudioMFCC" — 把音频编码为 MFCC 向量序列

"AudioSpectrogram" — 把音频编码为频谱

"AudioSTFT" — 把音频编码为傅里叶变换

文本编码器

"SubwordTokens" — 把字符串中的令牌编码为整数代码序列

"Characters" — 把字符串中的字符编码为整数代码或单热矢量序列

"Tokens" — 把字符串中的令牌编码为整数代码序列

"UTF8" — 把字符串编码为 UTF8 字节

图像编码器

"Image" — 把二维图像编码为三阶数组

"Image3D" — 把三维图像编码为四阶数组

视频编码

"VideoFrames" — 按 3 阶矩阵编码视频帧

其他编码器

"Boolean" — 把 True 和 False 编码为 1 和 0

"Class" — 把类标签编码为整数代码或单热向量

"Function" — 使用自定义函数编码输入

"FeatureExtractor" — 使用 FeatureExtractorFunction 编码输入

解码器

NetDecoder — 将数值数组诠释为图像、概率等

文本解码器

"SubwordTokens" — 把概率向量解码为子单词令牌的字符串

"Characters" — 把概率向量解码为字符的字符串

"Tokens" — 把概率向量解码为令牌的字符串

图像解码器

"Image" — 把三阶数组解码为二维图像

"Image3D" — 把四阶数组解码为三维图像

其他解码器

"Boolean" — 把 1 和 0 解码为 True 和 False

"Class" — 把概率数组解码为类标签

"CTCBeamSearch" — 解码用 CTCLossLayer 培训的概率向量序列

"Function" — 使用自定义函数解码