吴恩达深度学习课程编程作业学习

在开始之前，首先声明本文参考https://blog.csdn.net/u013733326/article/details/79639509，我基于他的文章资料和代码学习实践，并发表这篇博客来记录学习中的笔记和自己的理解，如有不妥的地方欢迎大家指正。

---

作业要求：

• 数据集：包含209张64x64像素的训练图像和50张64x64像素的测试图像，图像内容为猫和非猫。
• 目标：构建一个简单的神经网络模型，用于识别图像中是否包含猫。
• 实现步骤：

1. 数据加载与预处理
2. 模型定义与初始化
3. 前向传播与损失计算
4. 反向传播与参数更新
5. 模型训练与预测

使用说明

环境要求：

• Python 3.6.2
• 必要的Python库：numpy, h5py, matplotlib, lr_utils

文件结构：

• datasets/：包含训练和测试数据集的文件夹。
• lr_utils.py：用于加载数据集的辅助函数。
• main.ipynb：Jupyter Notebook文件，包含完整的代码实现。

上述三个文件及文件夹要在同一级目录下。 

---

完成作业遇到的bug: 

因为我是第一次使用 Jupyter Notebook,所以在运行时出现问题：No module named 'numpy'，根据查阅资料，尝试使用Anaconda prompt输入如下代码进行下载：

pip install numpy

下载完成后重新运行，依旧存在No module named 'numpy'。后面看到有人提到可能原因是使用的python和anaconda的python非同一个，我就尝试在Jupyter Notebook内输入：

import os 
os.sys.executable

 

然后打开anaconda prompt，如下图输入路径并安装numpy（此次路径与自己电脑输出要一致）；

D:\\anaconda\\python.exe -m pip install numpy

前面报错解决，但是显示Requirement already satisfied: numpy in d:\anaconda\lib\site-packages (1.26.4)，说明该库以及存在，代码依旧跑不起来，后面通过查阅资料，发现是使用anaconda不需要导第三方库，所以该安装包自带numpy库，我们在运行时发现仍然没有numpy库，只需要把numpy库安装在我们运行的python文件里行了。输入下面命令即可：

pip install --target=目标路径  库名
pip install --target=d:\anaconda\lib\site-packages numpy #每个人目标路径不一样，看报错处所给

---

 作业代码学习： 

主程序代码中用到的库：

import numpy as np
import matplotlib.pyplot as plt
import h5py
from lr_utils import load_dataset

• numpy ：是用Python进行科学计算的基本软件包。
• h5py：是与H5文件中存储的数据集进行交互的常用软件包。
• matplotlib：是一个著名的库，用于在Python中绘制图表。
• lr_utils ：在本文的资料包里，一个加载资料包里面的数据的简单功能的库。

lr_utils.py代码如下 ：

import numpy as np  # 导入numpy库，并简称为np。numpy是Python中用于科学计算的基础库，提供了高性能的多维数组对象及相关工具。  
import h5py  # 导入h5py库。h5py是Python中用于访问HDF5文件的库，HDF5是一种用于存储和组织大量数据的文件格式。  
  
def load_dataset():  # 定义一个名为load_dataset的函数，该函数不接受任何参数。  
    # 加载训练数据集  
    train_dataset = h5py.File('datasets/train_catvnoncat.h5', "r")  # 使用h5py.File打开训练数据集文件，文件路径为'datasets/train_catvnoncat.h5'，模式为"r"（只读）。  
    train_set_x_orig = np.array(train_dataset["train_set_x"][:])  # 从训练数据集中读取图像数据，并将其转换为numpy数组。这里的[:]表示读取该数据集的所有数据。  
    train_set_y_orig = np.array(train_dataset["train_set_y"][:])  # 从训练数据集中读取标签数据，同样转换为numpy数组。  
  
    # 加载测试数据集  
    test_dataset = h5py.File('datasets/test_catvnoncat.h5', "r")  # 使用h5py.File打开测试数据集文件，文件路径为'datasets/test_catvnoncat.h5'，模式为"r"（只读）。  
    test_set_x_orig = np.array(test_dataset["test_set_x"][:])  # 从测试数据集中读取图像数据，转换为numpy数组。  
    test_set_y_orig = np.array(test_dataset["test_set_y"][:])  # 从测试数据集中读取标签数据，转换为numpy数组。  
  
    # 加载类别列表  
    classes = np.array(test_dataset["list_classes"][:])  # 从测试数据集中读取类别列表，转换为numpy数组。虽然这里是从测试数据集中读取，但类别列表通常对训练集和测试集都是相同的。  
  
    # 调整标签的形状  
    # 在某些机器学习库中，标签需要是二维数组的形式，因此这里将标签的形状从(m,)调整为(1, m)，其中m是样本数量。  
    train_set_y_orig = train_set_y_orig.reshape((1, train_set_y_orig.shape[0]))  # 调整训练集标签的形状。  
    test_set_y_orig = test_set_y_orig.reshape((1, test_set_y_orig.shape[0]))  # 调整测试集标签的形状。  
  
    # 返回加载的数据集  
    return train_set_x_orig, train_set_y_orig, test_set_x_orig, test_set_y_orig, classes  # 函数返回训练集的图像数据和标签、测试集的图像数据和标签，以及类别列表。

这段代码的主要功能是加载一个关于猫和非猫分类的数据集，该数据集被存储在两个HDF5文件中，分别包含训练集和测试集的数据。通过读取这些文件，代码将图像数据和标签加载到内存中，并转换为numpy数组的形式，以便后续进行机器学习或深度学习模型的训练和测试。同时，代码还从测试数据集中读取了类别列表，虽然这个列表对于训练集和测试集都是相同的，但通常只在测试阶段使用它来解读模型的预测结果。最后，代码对标签的形状进行了调整，以满足某些机器学习库的输入要求。

把这些数据加载到主程序里（主程序代码）：

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

可以通过如下代码查看加载的文件里的图片：

index = 25
plt.imshow(train_set_x_orig[index])
#print("train_set_y=" + str(train_set_y)) #你也可以看一下训练集里面的标签是什么样的。

查看一下我们加载的图像数据集具体情况，我对以下参数做出解释：

• m_train ：训练集里图片的数量。
• m_test ：测试集里图片的数量。
• num_px ： 训练、测试集里面的图片的宽度和高度（均为64x64）。

# 计算训练集中图片的数量  
m_train = train_set_y.shape[1]  # 这里假设train_set_y已经被加载并且是二维的，其中shape[1]表示第二维的大小，即训练集中的图片数量。  
  
# 计算测试集中图片的数量  
m_test = test_set_y.shape[1]  # 同样，这里假设test_set_y是二维的，shape[1]表示测试集中的图片数量。  
  
# 计算每张图片的宽度和高度（假设它们是相等的，即图片是正方形的）  
num_px = train_set_x_orig.shape[1]  # 这里假设train_set_x_orig是三维的，其中shape[1]表示图片的宽度（或高度），因为图片是正方形的，所以宽度和高度相等。  
  
# 输出加载的数据集的具体信息  
print("训练集的数量: m_train = " + str(m_train))  # 打印训练集中的图片数量。  
print("测试集的数量 : m_test = " + str(m_test))  # 打印测试集中的图片数量。  
print("每张图片的宽/高 : num_px = " + str(num_px))  # 打印每张图片的宽度（或高度），因为是正方形，所以宽高相等。  
print("每张图片的大小 : (" + str(num_px) + ", " + str(num_px) + ", 3)")  # 打印每张图片的总大小，包括宽度、高度和颜色通道数（3表示RGB）。  
print("训练集_图片的维数 : " + str(train_set_x_orig.shape))  # 打印训练集图片的维度信息。  
print("训练集_标签的维数 : " + str(train_set_y.shape))  # 打印训练集标签的维度信息。  
print("测试集_图片的维数: " + str(test_set_x_orig.shape))  # 打印测试集图片的维度信息。  
print("测试集_标签的维数: " + str(test_set_y.shape))  # 打印测试集标签的维度信息。

 将形状（a，b，c，d）的矩阵X平铺成形状（b * c * d，a）的矩阵X_flatten

#X_flatten = X.reshape(X.shape [0]，-1).T ＃X.T是X的转置
#将训练集的维度降低并转置。
train_set_x_flatten  = train_set_x_orig.reshape(train_set_x_orig.shape[0],-1).T
#将测试集的维度降低并转置。
test_set_x_flatten = test_set_x_orig.reshape(test_set_x_orig.shape[0], -1).T

 让标准化的数据位于[0,1]之间，现在标准化我们的数据集

train_set_x = train_set_x_flatten / 255
test_set_x = test_set_x_flatten / 255

*建立神经网络的主要步骤是：

定义模型结构（例如输入特征的数量）

初始化模型的参数

循环：

3.1 计算当前损失（正向传播）

3.2 计算当前梯度（反向传播）

3.3 更新参数（梯度下降）

现在构建sigmoid()，需要使用 sigmoid（w ^ T x + b） 计算来做出预测；

def sigmoid(z):
    """
    参数：
        z  - 任何大小的标量或numpy数组。
    
    返回：
        s  -  sigmoid（z）
    """
    s = 1 / (1 + np.exp(-z))
    return s

 初始化我们需要的参数w和b；

def initialize_with_zeros(dim):
    """
        此函数为w创建一个维度为（dim，1）的0向量，并将b初始化为0。
        
        参数：
            dim  - 我们想要的w矢量的大小（或者这种情况下的参数数量）
        
        返回：
            w  - 维度为（dim，1）的初始化向量。
            b  - 初始化的标量（对应于偏差）
    """
    w = np.zeros(shape = (dim,1))
    b = 0
    #使用断言来确保我要的数据是正确的
    assert(w.shape == (dim, 1)) #w的维度是(dim,1)
    assert(isinstance(b, float) or isinstance(b, int)) #b的类型是float或者是int
    
    return (w , b)

实现一个计算成本函数及其渐变的函数propagate（）； 

def propagate(w, b, X, Y):
	"""
    实现前向和后向传播的成本函数及其梯度。
    参数：
        w  - 权重，大小不等的数组（num_px * num_px * 3，1）
        b  - 偏差，一个标量
        X  - 矩阵类型为（num_px * num_px * 3，训练数量）
        Y  - 真正的“标签”矢量（如果非猫则为0，如果是猫则为1），矩阵维度为(1,训练数据数量)

    返回：
        cost- 逻辑回归的负对数似然成本
        dw  - 相对于w的损失梯度，因此与w相同的形状
        db  - 相对于b的损失梯度，因此与b的形状相同
    """
	m = X.shape[1]
    
    #正向传播
    A = sigmoid(np.dot(w.T,X) + b) #计算激活值，请参考公式2。
    cost = (- 1 / m) * np.sum(Y * np.log(A) + (1 - Y) * (np.log(1 - A))) #计算成本，请参考公式3和4。
    
    #反向传播
    dw = (1 / m) * np.dot(X, (A - Y).T) #请参考视频中的偏导公式。
    db = (1 / m) * np.sum(A - Y) #请参考视频中的偏导公式。
	
	#使用断言确保我的数据是正确的
    assert(dw.shape == w.shape)
    assert(db.dtype == float)
    cost = np.squeeze(cost)
    assert(cost.shape == ())
    
    #创建一个字典，把dw和db保存起来。
    grads = {
                "dw": dw,
                "db": db
             }
    return (grads , cost)

使用渐变下降更新参数，目标是通过最小化成本函数 J JJ 来学习 w ww和b bb 。对于参数 θ \thetaθ ，更新规则是 $ \theta = \theta - \alpha \text{ } d\theta$，其中 α \alphaα 是学习率；

def optimize(w , b , X , Y , num_iterations , learning_rate , print_cost = False):
    """
    此函数通过运行梯度下降算法来优化w和b
    
    参数：
        w  - 权重，大小不等的数组（num_px * num_px * 3，1）
        b  - 偏差，一个标量
        X  - 维度为（num_px * num_px * 3，训练数据的数量）的数组。
        Y  - 真正的“标签”矢量（如果非猫则为0，如果是猫则为1），矩阵维度为(1,训练数据的数量)
        num_iterations  - 优化循环的迭代次数
        learning_rate  - 梯度下降更新规则的学习率
        print_cost  - 每100步打印一次损失值
    
    返回：
        params  - 包含权重w和偏差b的字典
        grads  - 包含权重和偏差相对于成本函数的梯度的字典
        成本 - 优化期间计算的所有成本列表，将用于绘制学习曲线。
    
    提示：
    我们需要写下两个步骤并遍历它们：
        1）计算当前参数的成本和梯度，使用propagate（）。
        2）使用w和b的梯度下降法则更新参数。
    """
    
    costs = []
    
    for i in range(num_iterations):
        
        grads, cost = propagate(w, b, X, Y)
        
        dw = grads["dw"]
        db = grads["db"]
        
        w = w - learning_rate * dw
        b = b - learning_rate * db
        
        #记录成本
        if i % 100 == 0:
            costs.append(cost)
        #打印成本数据
        if (print_cost) and (i % 100 == 0):
            print("迭代的次数: %i ， 误差值： %f" % (i,cost))
        
    params  = {
                "w" : w,
                "b" : b }
    grads = {
            "dw": dw,
            "db": db } 
    return (params , grads , costs)

 将预测值存储在向量Y_prediction中；

def predict(w , b , X ):
    """
    使用学习逻辑回归参数logistic （w，b）预测标签是0还是1，
    
    参数：
        w  - 权重，大小不等的数组（num_px * num_px * 3，1）
        b  - 偏差，一个标量
        X  - 维度为（num_px * num_px * 3，训练数据的数量）的数据
    
    返回：
        Y_prediction  - 包含X中所有图片的所有预测【0 | 1】的一个numpy数组（向量）
    
    """
    
    m  = X.shape[1] #图片的数量
    Y_prediction = np.zeros((1,m)) 
    w = w.reshape(X.shape[0],1)
    
    #计预测猫在图片中出现的概率
    A = sigmoid(np.dot(w.T , X) + b)
    for i in range(A.shape[1]):
        #将概率a [0，i]转换为实际预测p [0，i]
        Y_prediction[0,i] = 1 if A[0,i] > 0.5 else 0
    #使用断言
    assert(Y_prediction.shape == (1,m))
    
    return Y_prediction

 整合到model()函数；

def model(X_train , Y_train , X_test , Y_test , num_iterations = 2000 , learning_rate = 0.5 , print_cost = False):
    """
    通过调用之前实现的函数来构建逻辑回归模型
    
    参数：
        X_train  - numpy的数组,维度为（num_px * num_px * 3，m_train）的训练集
        Y_train  - numpy的数组,维度为（1，m_train）（矢量）的训练标签集
        X_test   - numpy的数组,维度为（num_px * num_px * 3，m_test）的测试集
        Y_test   - numpy的数组,维度为（1，m_test）的（向量）的测试标签集
        num_iterations  - 表示用于优化参数的迭代次数的超参数
        learning_rate  - 表示optimize（）更新规则中使用的学习速率的超参数
        print_cost  - 设置为true以每100次迭代打印成本
    
    返回：
        d  - 包含有关模型信息的字典。
    """
    w , b = initialize_with_zeros(X_train.shape[0])
    
    parameters , grads , costs = optimize(w , b , X_train , Y_train,num_iterations , learning_rate , print_cost)
    
    #从字典“参数”中检索参数w和b
    w , b = parameters["w"] , parameters["b"]
    
    #预测测试/训练集的例子
    Y_prediction_test = predict(w , b, X_test)
    Y_prediction_train = predict(w , b, X_train)
    
    #打印训练后的准确性
    print("训练集准确性："  , format(100 - np.mean(np.abs(Y_prediction_train - Y_train)) * 100) ,"%")
    print("测试集准确性："  , format(100 - np.mean(np.abs(Y_prediction_test - Y_test)) * 100) ,"%")
    
    d = {
            "costs" : costs,
            "Y_prediction_test" : Y_prediction_test,
            "Y_prediciton_train" : Y_prediction_train,
            "w" : w,
            "b" : b,
            "learning_rate" : learning_rate,
            "num_iterations" : num_iterations }
    return d

可视化；

#绘制图
costs = np.squeeze(d['costs'])
plt.plot(costs)
plt.ylabel('cost')
plt.xlabel('iterations (per hundreds)')
plt.title("Learning rate =" + str(d["learning_rate"]))
plt.show()

可视化比较，比较一下我们模型的学习曲线和几种学习速率的选择。

learning_rates = [0.01, 0.001, 0.0001]
models = {}
for i in learning_rates:
    print ("learning rate is: " + str(i))
    models[str(i)] = model(train_set_x, train_set_y, test_set_x, test_set_y, num_iterations = 1500, learning_rate = i, print_cost = False)
    print ('\n' + "-------------------------------------------------------" + '\n')

for i in learning_rates:
    plt.plot(np.squeeze(models[str(i)]["costs"]), label= str(models[str(i)]["learning_rate"]))

plt.ylabel('cost')
plt.xlabel('iterations')

legend = plt.legend(loc='upper center', shadow=True)
frame = legend.get_frame()
frame.set_facecolor('0.90')
plt.show()