深度学习与神经网络-吴恩达（Part1Week4）-深度神经网络编程实现（python）-基础篇

最新推荐文章于 2024-07-27 09:07:21 发布

DataScientistGuo

最新推荐文章于 2024-07-27 09:07:21 发布

阅读量1.4k

点赞数 3

分类专栏：人工智能文章标签：吴恩达深度学习神经网络算法 python

本文链接：https://blog.csdn.net/u012582622/article/details/78353982

版权

这篇博客介绍了基于Python实现深度神经网络的基础篇，涵盖从导入模块、数据预处理、激活函数定义，到权重初始化、训练及测试函数的详细步骤。

摘要由CSDN通过智能技术生成

经典篇

Step1:导入需要的模块

其中，h5py模块用于读取.h5数据（本次的训练数据和测试数据均为.h5文件），lr_utils包含数据加载函数，为官方提供的模块。

import numpy as np
import matplotlib.pyplot as plt
import h5py
import scipy
from PIL import Image
from scipy import ndimage
from lr_utils import load_dataset
import math

Step2:导入数据-分析数据-标准化数据

可以看到训练数据共209个样本，验证数据共50个样本，样本图片为RGB数据，维度为64*64*3。我们首先将输入数据reshape为（64*64*3，none），none对于训练集为209，对于验证集为50。随后将输入数据标准化，因为图片的像素值在0-255之间，我们将其转换为0-1之间的小数进而方便我们计算。

# Input data
train_set_x_orig, train_set_y, test_set_x_orig, test_set_y, classes = load_dataset()
train_num = train_set_x_orig.shape[0]
test_num = test_set_x_orig.shape[0]
pix_num = train_set_x_orig.shape[1]
chanel_num = train_set_x_orig.shape[3]
print('\n' + '---------------Input information---------------' + '\n')
print('train_set_x_orig.shape = ' + str(train_set_x_orig.shape))
print('train_set_y.shape = ' + str(train_set_y.shape))
print('test_set_x_orig.shape = ' + str(test_set_x_orig.shape))
print('test_set_y.shape = ' + str(test_set_y.shape))
print('train_num = ' + str(train_num))
print('test_num = ' + str(test_num))
print('pix_num = ' + str(pix_num))
print('chanel_num = ' + str(chanel_num))

# Reshape data
train_set_x_flat = train_set_x_orig.reshape(train_num,-1).T
test_set_x_flat = test_set_x_orig.reshape(test_num,-1).T
print('\n' + '---------------After reshaping---------------' + '\n')
print('train_set_x_flat = ' + str(train_set_x_flat.shape))
print('test_set_x_flat = ' + str(train_set_x_flat.shape))

# Standarize data
train_set_x = train_set_x_flat/255.0
test_set_x = test_set_x_flat/255.0
print('\n' + '---------------After Standaring---------------' + '\n')
print('Check for traindata = ' + str(train_set_x[0:5,0]))
print('Check for testdata = '