我刚刚开始研究深度学习，并开始与Keras建立CNN。
因此，我注意到，通常在使用数据集MNIST时，在导入图像后，它们会被转换为float32 -Datatype。
所以我的问题是，为什么会这样？似乎它可以与uint8 -Data一起正常工作。我在这里想念什么？为什么需要float32？
原因很简单，神经网络的整个数学是连续的，而不是离散的，并且最好用浮点数来近似。神经网络的输入，输出和权重是连续数。
如果具有整数输出，则它们仍将在管道中的某个点转换为浮点，以便具有可进行操作的兼容类型。这可能显式地或隐式地发生，最好在类型上显式。
在某些框架中，如果不将输入转换为期望的类型，则可能会出错。