吴恩达深度学习课程第一课第二周课程作业

学过吴恩达的Machine Learning课程，现在跟着学深度学习，本来是想付费的，奈何搞半天付款没有成功，没办法只能下载数据集自己搞了。由于门外汉，安装工具软件加上完成作业花了一天时间，其实第二周的作业和机器学习课程基本是一样的，没有什么太大难度，都是初级入门，但是课程视频还是讲了一些之前没有接触过的内容。
课程作业数据集和代码可以到百度云下载：
链接：https://pan.baidu.com/s/1cwd8IE 密码：1xkv

1、作业前环境安装和工具准备

本部分只针对不知道咋自己搭建作业环境的同学，当然大神也不会浏览到我的博客啦 哈哈！
第一步 安装jupyter notebook，安装方法很简单，只要安装了Python和pip工具就可以了
win系统在cmd命令行输入pip install jupyter notebook

安装后就是启动jupyter notebook，直接在命令窗口输入jupyter notebook即可启动了，由默认浏览器打开。

默认的文件夹是C盘下用户文件夹，可以通过修改配置文件修改默认文件夹，详见http://blog.csdn.net/qq_33039859/article/details/54604533
然后就把数据集和模块文件放到里面去，然后点“New”选择Python新建文件，点击这个文件就可以进行编程了。

第二步是安装第三方工具库，本周用到的库有numpy h5py matplotlib PIL scipy ，这些库都可以使用pip工具安装，和上面安装notebook步骤是一样的，不再赘述了。（可以在Python IDLE里面import一下看有没有安装成功）

2、安装包，前面说过了,这几个包主要是科学计算和图片处理用的，具体可以上网搜一下。

import numpy as np
import matplotlib.pyplot as plt
import h5py
import scipy
from PIL import Image
from scipy import ndimage
from lr_utils import load_dataset

3、数据集处理

导入数据，使用课程提供lr_utils模块load_dataset函数

train_set_x_orig, train_set_y, test_set_x_orig, test_set_y, classes = load_dataset()

获得样本数量

m_train=train_set_x_orig.shape[0]
m_test=test_set_x_orig.shape[0]
num_px=train_set_x_orig[0].shape[0]

打印数据集中样本的一些参数，可以直观检查数据规模

print (“Number of training examples: m_train = ” +
str(m_train))
print (“Number of testing examples: m_test = ” + str(m_test))
print (“Height/Width of each image: num_px = ” + str(num_px))
print (“Each image is of size: (” + str(num_px) + “, ” + str(num_px) + “, 3)”)
print (“train_set_x shape: ” + str(train_set_x_orig.shape))
print (“train_set_y shape: ” + str(train_set_y.shape))
print (“test_set_x shape: ” + str(test_set_x_orig.shape))
print (“test_set_y shape: ” + str(test_set_y.shape))

Number of training examples: m_train = 209
Number of testing examples: m_test = 50
Height/Width of each image: num_px = 64
Each image is of size: (64, 64, 3)
train_set_x shape: (209, 64, 64, 3)
train_set_y shape: (