关于week2中的一些不熟悉的代码

Week2不熟悉代码及lr_utils包解析

最新推荐文章于 2022-10-31 21:41:54 发布

原创最新推荐文章于 2022-10-31 21:41:54 发布 · 495 阅读

0 ·

CC 4.0 BY-SA版权

吴恩达深度学习专栏收录该内容

3 篇文章

订阅专栏

博客围绕week2中不熟悉的代码展开，提到lr_utils是自定义的.py文件，从中导入load_dataset方法用于导入数据集。该函数调用h5py的file函数获取train_dataset和test_dataset对象，进而得到train_set_x_orig等，train_set_x_orig和test_set_x_orig每行代表一张图像。

关于week2中的一些不熟悉的代码

from lr_utils import load_dataset

## Loading the data (cat/non-cat)
train_set_x_orig, train_set_y, test_set_x_orig, test_set_y, classes = load_dataset()

lr_utils是一个自己写的.py文件，从lr_utils包中导入了load_dataset方法，该方法可以用来导入数据集。

lr_utils.py文件如下：

import numpy as np
import h5py
    
    
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

该文件中的load_dataset 函数调用h5py中的file函数得到train_dataset和test_dataset对象，再得到train_set_x_orig、train_set_y_orig等。
Each line of your train_set_x_orig and test_set_x_orig is an array representing an image.

print(train_set_x_orig.shape)
print(test_set_x_orig.shape)