吴恩达第二周作业笔记

吴恩达视频第二周作业笔记

1. 调出h5文件中的数据

import h5py
import numpy as np
train_data =  h5py.File('D:/网盘资料/人工智能课程/deep learning/01.神经网络和深度学习/2.第二周 神经网络基础/编程作业/datasets/train_catvnoncat.h5','r')
test_data = h5py.File('D:/网盘资料/人工智能课程/deep learning/01.神经网络和深度学习/2.第二周 神经网络基础/编程作业/datasets/test_catvnoncat.h5','r')
for key in train_data.keys():
    print (key)
    
train_data['train_set_x'].shape[:]

如需对应的.h5文件可到以下连接进行下载下载连接
第1，2行，引入相关的头文件
第3，4行：将测试集和训练集数据调用出来
第5，6行：查看train_data里面的键。
第7行： 查看train_data里面train_set_x的维度。
输出结果如下：

list_classes
train_set_x
train_set_y

(209, 64, 64, 3)

2.取出训练集和测试集.

#取出训练 测试集
train_data_org = train_data['train_set_x'][:]
train_labels_org = train_data['train_set_y'][:]
train_labels_org = train_labels_org.reshape(209,1)
test_data_org = test_data['test_set_x'][:]
test_labels_org = test_data['test_set_y'][:]
test_labels_org = test_labels_org.reshape(50,1)
print(train_labels_org.shape)
print(test_labels_org.shape)

取出测试集，训练集中的数据和对应的标签

3.查看图片.

#查看图片
import matplotlib.pyplot as plt
%matplotlib inline
#plt.imshow(train_data_org[148])

4.数据维度处理``

#数据维度的处理          将4维转变成2维
#将图片维度（209,64,64,3）->(209,12888)->(12888,209)
m_train = train_data_org.shape[0]

m_test = test_data_org.shape[0]

trean_data_tran = train_data_org.reshape(m_train,-1).T
test_data_tran = test_data_org.reshape(m_test,-1).T

print