吴恩达深度学习作业之deepleraning_L1W2_h2

https://www.heywhale.com/mw/project/5dd23dbf00b0b900365ecef1

#吴恩达《深度学习》L1W2作业2 知识点：用神经网络思想实现逻辑回归
'''
欢迎来到你的第一个编程作业！ 你将学习如何建立逻辑回归分类器用来识别猫。 
这项作业将引导你逐步了解神经网络的思维方式，同时磨练你对深度学习的直觉。

说明：
除非指令中明确要求使用，否则请勿在代码中使用循环（for / while）。

你将学习以下内容：

建立学习算法的一般架构，包括：
初始化参数
计算损失函数及其梯度
使用优化算法（梯度下降）
按正确的顺序将以上所有三个功能集成到一个主模型上。
'''

'''
1- 安装包
首先，让我们运行下面的单元格，以导入作业中所需的包。

numpy 是Python科学计算的基本包。
h5py是一个常用的包，可以处理存储为H5文件格式的数据集。
matplotlib是一个著名的Python图形库。
这里最后通过[PIL]（http://www.pythonware.com/products/pil/）
和[scipy](https://www.scipy.org/) 使用你自己的图片去测试模型效果。
'''
import numpy as np
import matplotlib.pyplot as plt
import h5py
import scipy

#from lrutils import load_dataset 

#数据集导入
import os
os.chdir('E:\deepleraning\course\L1W2_h2')
train_data=h5py.File('train_catvnoncat.h5','r');test_data=h5py.File('test_catvnoncat.h5',