吴恩达深度学习第二周+二分类应用+猫图片识别

由于最近在看吴恩达老师深度学习的课程，在第二周有一个关于猫图片识别的习题，下面将自己的一些体会和代码分享。
有关数据集的下载可以自行百度。
下载好数据集之后会发现是一个.h5的文件。所以我们首先导入 h5py 这个包。判断你是否有这个包，可以在cmd中输入conda list 检查自己是否有这个包。
我使用的是Jupyter notebook编译器。导入库的代码如下：
导入h5py这个库之后，就可以导入数据集啦。打开下载的数据集会发现有训练数据集和测试数据集，我们分别导入即可。在导入数据集的时候要注意在windows下，要注意在地址前面加一个r。具体实现方式如下：

导入数据集之后对数据集里面的数据进行处理。因为我们需要用到文件里的数据，所以在处理之前我们先看一下train_data里面键值。对于test_data的方式和train_data的方式一致。

其中list_classes 是指图片原始的标签，只有两个值，是或者不是。
train_set_x就是你的图片
train_set_y是指你预测的图片是否是猫，下面我将输出的结果粘贴一下

取出训练集数据集

数据取出后我们可以查看任意一张图片，%matplotlib inline是指在线显示图片

处理数据维度
我们知道图片是6464的,3个通道。我们要将它向量化，变成一列。一张图片是6464*3，一共209张
实现代码以及运行结果如下：

同样，也要处理标签

我们查看一数据：

发现数据之间的差值比较大，这样是会使之后运用梯度下降算法的性能下降。所以我们进行数据的标准化处理

之后就是对视频中公式的输入

将这些公式定义之后我们就可以测试啦。

由于输出数据不直观，我们用图像输出：