吳恩達預處理

詳細**見這裡

0.匯入相應的包

import os

import tensorflow as tf
import numpy as np
from pil import image

1.os.listdir(file_dir)函式獲取檔案路徑裡面的所有檔案目錄，並返回為乙個列表

2.label_list[0:1200:1]切片操作，獲取前1200個索引

3.返回乙個陣列

def get_labels(file_dir):

label_cats = 
label_dogs = 
# 載入資料路徑並寫入標籤值
m=os.listdir(file_dir)
#n=len(m)
for file in m:
name = file.split(sep='.')
# name的形式為['dog', '9981', 'jpg']
# os.listdir將名字轉換為列表表達
if name[0] == 'cat':
# 注意檔案路徑和名字之間要加分隔符，不然後面查詢會提示找不到
# 或者在後面傳路徑的時候末尾加兩// 'd:/python/neural network/cats_vs_dogs/data/train//'
else:
# 貓為0，狗為1
# 打亂檔案順序
label_list = np.hstack((label_cats, label_dogs))
# np.hstack()方法將貓和狗和標籤整合到一起,標籤也整合到一起
temp = np.array([label_list])
temp = temp.transpose() # 轉置
# 將其轉換為10行1列，第一列是label_list的資料
label_list = list(temp[:, 0]) # 取所有行的第1列資料，並轉換為int
label_list = [int(i) for i in label_list]
label_list=label_list[0:1200:1]
label_list=np.array(label_list)
label_list=label_list.reshape((1,1200))
#label_list = label_list.reshape((2000, 1))
#print(label_list)
return label_list

1.os.path.join(test, str(file[i]))獲取路徑

2.image.open(img_dir)裡面的路徑必須為「」型別的

3.image.resize([208, 208])將裁剪為（208*208）大小的

def get_image(test, image_w, image_h):

image_list=
file = os.listdir(test)
n=len(file)
#print(str(image[0]))
for i in range(0,1200):
img_dir = os.path.join(test, str(file[i]))
image = image.open(img_dir)
image = image.resize([208, 208])
image = np.array(image)
image=np.array(image_list)
#print(image.shape)
return image

深度學習 吳恩達

第三週神經網路 啟用函式 第一門課 感謝黃博的參考筆記 一次梯度下降 正向傳播與反向傳播 一次反向傳播梯度下降 注意與機器學習課程不同的一點是，第一層不算樣本輸入 a t an z a tan z a tan z 的值域是位於 1和 1之間。a t anh z e z e zez e za tanh...

吳恩達machine learning邏輯回歸

1.假設函式h x 因為邏輯回歸演算法的y值只有零和一兩個值，那麼如果依然要用線性回歸的方程來表達這一種趨勢的話，會導致誤差很大 於是就引進了乙個sigmoid函式，這個函式是無限趨近於0和1。也就是h x g z 1 1 e z 所以我們假設當這個函式的值取到 0.5時，那麼就表示 y 1.也就是...

吳恩達機器學習筆記

為了解決實際生活中的問題，我們通常需要乙個數學模型。比如，小明有乙個房子 他想賣掉房子 為了知道房子的 小明收集了該地區近兩年的房屋交易 他發現房屋 與房屋大小呈正相關，所以他畫了了一幅圖 小明的房屋大小用紅色的 代替。可見和小明房屋一樣大小的房子並不存在，而類似的房屋 又有很大差別，如此小明決定用...