作为一个图像的最小部分也就是不变部分不应是一个像素 而是一条线或者是一个圆形方形，也就是说图像的基本单位是二维的不应是什么向量，就算当前的所有神经网络都使用的是多维，但是他们的基本单位还是一个像素。 所以要想 神经网络对图像的识别判断提取信息必须是二维以上，才可以加速或者是更加准确的实现，人类的智能 同理人类的语言也一样，基本单位至少是英文的一个字母 中文的一个拼音一个偏旁部首
一个图像的最小单位也是两个像素不变
所以一个图中的基本单位可以表示为x，y两个像素坐标的列表
，
表示为一个二维数组（只有0,1）
这个二维数组×原图代表图中的某一个形状，
一个图多个这样的二维数组加和而成
假设1
z_image=a×image+b+image+。。。。。。。。。
（最多为一个像素一个形状，也就是x×y个）
假设2
每个图中都是由不同的线条组成的所以使用每个线条的坐标作为参数传递给网络
这样能够得出一个多个模型一个图像
模型可以小但是必须要多个种类同时完成一个任务，
而且多个模型分开训练 就可以或者更加方便的 分布式训练了
