Kaggle实战总结（持续更新）

1.  import os

     这个包在加载数据时有很大作用，特别是在处理类似图像的问题时，这个包能发挥巨大的作用；

     比较常用的就是两个函数：

     1.  os.listdir()  传入文件路径时，我们可以返回每个子文件的名字；

     2.  os.path.join()  将大文件的名字与子文件名字连在一起，为啥这么做？？ 为了获取每个子文件的每张图像的路径。。后续就通过                  imread()函数读取到相应的图像。

2.  import glob

      这个函数与上面的 import os具有类似的作用，但这有点一步到位的意思；

# Get the list of all the images
normal_cases = normal_cases_dir.glob('*.jpeg')

 上面代码中， 如果把normal_cases_dir看做一个子文件夹，比如猫的子文件夹，该子文件夹下肯定包含若干张猫的照片，这里只需要使用glob函数就可以直接加载该文件夹下所有的图片了，normal_cases 返回是图片名字的列表，从根目录到每个图片的子目录。同样可以通过imread, imshow等函数可以实现图片的加载与可视化等一系列操作；

3. from keras.utils import to_categorical

    这个是将标签one-hot编码的函数，将标签归一化可以手工进行完成，我们也可以将标签直接数字化，在编译函数compile()的参数

loss = "sparse_categorical_crossentropy"直接处理。

   但是如果手动one-hot编码，也非常简单。

   

 所以我们将其离散数字one-hot编码时，只需要传入y（label）与 num_classes(我们要分为多少各类，可选参数)

独热编码在拟合神经网络时是非常必要的，他消除了神经网络标签的数值大小的差异，避免了神经网络的小题大做。