Question

进行了这个简单的练习，我必须借助Logistic回归构建NN。我的数据集是通过以下方式构建的：

您将获得一个包含以下内容的数据集（“ data.h5”）


一组训练为m_train图像的训练集，标记为cat（y = 1）或non-cat（y = 0）

由m_test张图片标记为cat或non-cat的测试集

每个图像的形状为（num_px，num_px，3），其中3表示3个通道（RGB）。因此，每个图像都是正方形（高度= num_px），并且   （宽度= num_px）。

要显示数据库中的图像，文本为我提供了一个示例：

# Example of a picture# Examp 
index = 25
plt.imshow(train_set_x_orig[index])
print ("y = " + str(train_set_y[:,index]) + ", it's a '" + classes[np.squeeze(train_set_y[:,index])].decode("utf-8") +  "' picture.")

我有2个问题：

1）我不了解其工作原理：str(train_set_y[:,index])

2）最大的问题是，由于站点问题，我无法下载此数据库，并且为了进行练习，我想了解它是如何构建的。有人可以直观地告诉我它的结构吗？

Answer 1

我认为此代码段来自Coursera深度学习课程1。

“ train_set_y” 是形状为（1，209）的向量，即，对于所有209个训练示例，其标签均为0或1，“ train_set_y [：，25]” 给出从向量train_set_y的第25个位置开始的整数标签0或1。在连接字符串（“ y =” + str（train_set_y [：，index]））时。我们需要使用str将其转换为字符串。

检查笔记本中的 lr_utils.py 文件，它将使您清楚地了解如何加载和转换数据集。

下面是lr_utils.py文件中的代码段

def load_dataset():
   train_dataset = h5py.File('datasets/train_catvnoncat.h5', "r")
   train_set_x_orig = np.array(train_dataset["train_set_x"][:]) # your train set features
   train_set_y_orig = np.array(train_dataset["train_set_y"][:]) # your train set labels

   test_dataset = h5py.File('datasets/test_catvnoncat.h5', "r")
   test_set_x_orig = np.array(test_dataset["test_set_x"][:]) # your test set features
   test_set_y_orig = np.array(test_dataset["test_set_y"][:]) # your test set labels

   classes = np.array(test_dataset["list_classes"][:]) # the list of classes

   train_set_y_orig = train_set_y_orig.reshape((1, train_set_y_orig.shape[0]))
   test_set_y_orig = test_set_y_orig.reshape((1, test_set_y_orig.shape[0]))

   return train_set_x_orig, train_set_y_orig, test_set_x_orig, test_set_y_orig, classes

Answer 2

可以在此位置下载数据集，（感谢Anderson！）
- https://github.com/andersy005/deep-learning-specialization-coursera/tree/master/01-Neural-Networks-and-Deep-Learning/week2/Programming-Assignments/datasets
然后构建@taurz的lr_utils函数，将sys.path（）放入任何目录，但请确保从train_dataset = h5py.File（'datasets / train_catvnoncat.h5'，“ r“）
str（train_set_y [：，index]）是标签>> train_set_y，您可以看到所有功能， train_set_y.shape =（1,209），train_set_y [：，25] [0] = 1，这意味着它是猫。

神经网络心态的简单Logistic回归

2 个答案: