关于week2中的一些不熟悉的代码

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。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

  • 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)
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值