深度学习-吴恩达第一课第二周课程作业

这周作业是，给出一张图片，判断这张图是不是猫。

这是一个二分类问题，结果是非0即1的，使用逻辑回归（Logic Regression），可以说，了解这个回归方法，有些python基础，会使用jupyter notebook就可以尝试着码一遍代码，走完整个学习流程，能进一步加深对逻辑回归的了解，对下一步的学习也有好处。首先在写代码之前，需要把逻辑回归向量化理解清楚，因为后面代码不是用循环来写的，是直接对矩阵进行操作的，这就要求把回归中的循环求和啊，相乘啊都用矩阵来表示，特别要注意矩阵的维度，不要搞混了，这就不细说了。

 

1.数据导入

首先需要获取数据集，这里贴一个GITHUB地址，可分别自行下载训练和测试数据集，数据集是后缀为.h5的文件，

要让python文件能读取这类文件，需要引入h5py库。已安装Anaconda的话应该不需要再手动下载这个库了，Anaconda

中包含了很多常用的库文件，如果没有安装Anaconda，可以直接用pip安装：pip install h5py

 

安装好以后，就可以在notebook上直接导入库，这个案例一共需要用到三个库，这块就一起导入了:

import numpy as np
import matplotlib.pyplot as plt
import h5py

 

h5py库是用来读取数据集的，有两个数据集需要读取，训练数据集和测试数据集：

train_data = h5py.File('D:\\jupyter\\datasets\\train_catvnoncat.h5','r')
test_data = h5py.File('D:\\jupyter\\datasets\\test_catvnoncat.h5','r')

后面的参数r表示只读模式，这样就把这两个数据集导入到notebook中了，下面就需要对导入的数据进行处理

在此之前，可以先来看看数据集到底是什么样的，.h5文件中存储的数据都是键值对（key-value），可以理解为key就是对一堆数据设定的一个标签，通过这个标签就可以获取这个标签下的所有数据，就拿train集来说：

#获取其中的所有key值
list(train_data.keys())

#这是输出结果，有三个
['list_classes', 'train_set_x', 'train_set_y']

#选其中一个
train_data['train_set_x'].shape

#输出，这表示有209张图，每张图存储格式为（64，64，3）
(209, 64, 64, 3)

图像在计算机中的存储形式，其实就是三个矩阵&