吴恩达C1W2 | 识别猫的照片课程个人补充笔记

声明，主要看的是这两个博客，比较全，以下是记录的一些个人疑问点：
【吴恩达课后编程作业】第二周作业 - Logistic回归-识别猫的图片 - Hosseini - 博客园 (cnblogs.com)

2.19 总结-深度学习-Stanford吴恩达教授_请考虑以下代码,c的维度是什么-CSDN博客

在此基础上的一些补充笔记

PIL和plt模块对比说明

Pillow 是 Python Imaging Library（PIL）的一个分支，允许打开、操作和保存各种图像文件格式（如 JPEG、PNG、GIF）。常用于图像输入神经网络之前的预处理任务中。

ndimage 模块提供了多种图像处理功能，包括过滤、形态学操作和几何变换。可以用于增强图像中的特征

plt.imshow() 和 PIL 的使用场景区别：

1. plt.imshow():
   • 这是 Matplotlib 的函数，主要用于在 Jupyter Notebook 或 Python 脚本中显示图像。
   • 它适合可视化数据，特别是在绘图时，可以方便地处理图像的显示和调整。
2. PIL:
   • PIL（Pillow）主要用于图像的加载、处理和保存。虽然它也可以用来显示图像（使用 img.show()），但显示功能较为基础。
   • 在需要对图像进行进一步处理或分析时，使用 PIL 更为合适。
     因此，通常使用 PIL加载和处理图像，然后用 plt.imshow()显示，以便更好地与数据可视化工具结合。

plt.subplot(2, 3, 1) 的意思是设置一个 2 行 3 列的子图布局，并选择第一个子图进行绘制。

-1在 reshape 中表示自动计算该维度的大小。具体来说，reshape 函数会根据原始张量的总元素数量和其他已指定的维度来推断出 -1 所代表的维度大小。
例如，如果你有一个形状为 (4, 3) 的张量，总共有 12 个元素：

• reshape(4, -1) 会返回形状为 (4, 3) 的张量，因为 4 已经指定，剩下的维度大小为 3。
• reshape(-1, 3) 会返回形状为 (4, 3)，因为总元素数量为 12，推算出第一维为 4。

为了表示彩色图像，必须为每个像素指定红色，绿色和蓝色通道（RGB），因此像素值实际上是从0到255范围内的三个数字的向量。机器学习中一个常见的预处理步骤是对数据集进行居中和标准化，这意味着可以减去每个示例中整个numpy数组的平均值，然后将每个示例除以整个numpy数组的标准偏差。但对于图片数据集，它更简单，更方便，几乎可以将数据集的每一行除以255（像素通道的最大值），因为在RGB中不存在比255大的数据，所以我们可以放心的除以255，让标准化的数据位于 [0,1] 之间，

numpy函数中squeeze方法说明

该方法用于去除数组中维度为 1 的维度。如果 cost 的形状是 (1,)，使用 cost = np.squeeze(cost)后会变为一个标量（没有维度）。assert(cost.shape == ())这个 assert 语句检查 cost 是否是标量（即没有维度），确保成本计算正确并且只返回一个单一的数值。