import numpy as np
import matplotlib.pyplot as plt
import h5py
from lr_utils import load_dataset
一、匯入資料進入主程式train_set_x_orig , train_set_y , test_set_x_orig , test_set_y , classes = load_dataset(
)
二、開啟datasets資料夾中的測試plt.imshow(train_set_x_orig[25]
)plt.waitforbuttonpress(
)
只用plt.imshow()函式無法開啟測試,需要加上下面的plt.waitforbuttonpress()函式
三、列印測試集和訓練集中的資訊
m_train = train_set_y.shape[1]
#訓練集裡的數量。
m_test = test_set_y.shape[1]
#測試集裡的數量。
num_px = train_set_x_orig.shape[1]
#訓練、測試集裡面的的寬度和高度(均為64x64)
shape[0]:表示矩陣的行數
shape[1]:表示矩陣的列數
因為 train_set_y.shape 儲存的是訓練集的影象對應的分類值(【0 | 1】,0表示不是貓,1表示是貓)是由一維陣列儲存的,所以train_set_y.shape[1]可以用列數來計算的數量。同理test_set_y.shape[1]也用列數來計算測試集中的數量。
print
("訓練集的數量: m_train = "
+str
(m_train)
)print
("測試集的數量 : m_test = "
+str
(m_test)
)print
("每張的寬/高 : num_px = "
+str
(num_px)
)print
("每張的大小 : ("
+str
(num_px)
+", "
+str
(num_px)
+", 3)"
)print
("訓練集_的維數 : "
+str
(train_set_x_orig.shape)
)print
("訓練集_標籤的維數 : "
+str
(train_set_y.shape)
)print
("測試集_的維數: "
+str
(test_set_x_orig.shape)
)print
("測試集_標籤的維數: "
+str
(test_set_y.shape)
)
輸出結果:
#x_flatten = x.reshape(x.shape [0],-1).t #x.t是x的轉置
#將訓練集的維度降低並轉置。
train_set_x_flatten = train_set_x_orig.reshape(train_set_x_orig.shape[0]
,-1)
.t#將測試集的維度降低並轉置。
test_set_x_flatten = test_set_x_orig.reshape(test_set_x_orig.shape[0]
,-1)
.t
z(i
)=wt
x(i)
+bz^=w^x^+b
z(i)=w
tx(i
)+by^(
i)=a
(i)=
sigm
oid(
z(i)
)\hat^=a^=sigmoid(z^)
y^(i)
=a(i
)=si
gmoi
d(z(
i))l(a
(i),
y(i)
)=−y
(i)l
og(a
(i))
−(1−
y(i)
)log
(1−a
(i))
l(a^,y^)=-y^log(a^)-(1-y^)log(1-a^)
l(a(i)
,y(i
))=−
y(i)
log(
a(i)
)−(1
−y(i
))lo
g(1−
a(i)
)
神經網路的認識(二)深層神經網路
損失函式 神經網路優化演算法 神經網路進一步優化 深層學習有兩個非常重要的特性 多層和非線性 線性模型的侷限性,就是任意線性模型的組合仍然還是線性模型。所以引出啟用函式,經過啟用函式變換完的輸出就不再是線性的了。如果將每乙個神經元 也就是神經網路中的節點 的輸出通過乙個非線性函式,那麼整個神經網路的...
卷積神經網路 有趣的卷積神經網路
一 前言 最近一直在研究深度學習,聯想起之前所學,感嘆數學是一門樸素而神奇的科學。f g m1 m2 r 萬有引力描述了宇宙星河運轉的規律,e mc 描述了恆星發光的奧秘,v h d哈勃定律描述了宇宙膨脹的奧秘,自然界的大部分現象和規律都可以用數學函式來描述,也就是可以求得乙個函式。神經網路 簡單又...
神經網路的認識(一)神經網路的認識
特徵提取 我的理解就是將物體資料化,將乙個實體盡可能的描述成計算機可以懂得話,就比如定義乙個人,姓名 性別 愛好 出生地 出生日期 這樣可以給他打足夠多的標籤,就可以定義他是誰了,這個標籤就是特徵。使用神經網路有4個步驟 提取問題中實體的特徵向量作為神經網路的輸入,不同實體可以提取不同的特徵向量 定...