吴恩达机器学习记录W1

Lab实操出现的报错

1、C1_W1_Lab04_Cost_function_Soln

运行代码如下：

import numpy as np
import matplotlib.pyplot as plt
plt.style.use('./deeplearning.mplstyle')

报错：

TypeError: 
the 'package' argument is required to perform a relative import for './deeplearning'

这句话意思是要使用相对路径找到deeplearning.mplstyle这个文件时必须是包的形式。实际上，python只能用相对路径查找包或者模块，并不知道一个文件的相对路径，所以报错。

解决办法：
去掉所有代码里的./，改成plt.style.use('deeplearning.mplstyle')。具体做法是找到报错提示里所有文件的那句代码的位置。

2、C1_W1_Lab05_Gradient_Descent_Soln

解决：
	找了很多文章，没有完全对应这个错误的，只知道是因为int数据太大导致超过C语言的long类型上限。
	但看到[这篇文章](http://t.csdn.cn/RnIeo)后，有了思路：会不会是numpy中的数据类型和python、C语言的不一致导致的？因为我只引用了numpy和matplotlib这两个库。而且应该是要把某个数据类型的上限调大，才能相同。
	后来搜索numpy的类型转换，参考[文章](http://t.csdn.cn/FFo4Q)，有了下面的测试。

	给出结论——使用numpy.int64(x)，使数据类型为int32的x 变成 int64。

测试

结果还是报同样的错误，提示是36行出错。

根本原因就在于cost[i] = compute_cost(x_train, y_train, tmp_w, fix_b)。
测试cost[i]和compute_cost()函数的返回值类型，分别添加了下面两行代码

测试结果为：

说明cost[]类型为numpy.int32，而成本函数返回值为int。这是两种不同的数据类型，因此需要转换。在源代码“lab_utils_uni.py”中，添加cost = np.int64(cost)这句代码，就解决了这类问题。如下图。