深度学习-图片识别（上）

深度学习-图片识别（上）

本文主要针对优达学城深度学习课程中的练习题，整理练习内容，有兴趣者可结合本文内容然后按练习题实践，帮助理解。

任务一：下载并整理数据

任务主要完成图片下载、图片内容数字化、选取三个数据集、打乱顺序、持久化数据等，步骤如下:

• 下载包含10个字母的两份图片数据，large与small

large与small不止数量大小区别，还在于large中的图片有没经过人工筛选，有噪点以及损坏图片，从中选取数据作为训练集与验证集，small中的图片经过人工筛选，数据相对干净，从中选取数据作为测试集

• 处理每个字母文件夹

每张图片可以用一个28 x 28的二维数组表示，一个目录下的n张图片放到一个n x 28 x 28的三维数组中，然后通过pickle序列化到文件中

• 选取训练集、验证集、测试集

从处理好的数据中选取训练集、验证集、测试集，选取过程中每个类别打乱顺序并合并不同类别，同时使用数组记录每个数据项对应的类别（label）

• 再次打乱顺序，并序列化到文件

针对每个数据集与label，再次打乱顺序，然后把所有数据集以及相应label包装成dict序列化到磁盘

任务作业

使用sklearn.linear_model中的LogisticRegression模型训练一个模型，主要代码：

import numpy as np
import pickle
from sklearn.linear_model import LogisticRegression

image_size = 28
train_size = 1000

data = pickle.load(open('notMNIST.pickle','rb'))

train_features = data['train_dataset'][:train_siz