使用深度学习（逻辑回归）处理图像识别的问题
4,432 阅读
加载中...
加载中...
由于Honor Code政策，这里将抹去作业中需要学生填写的代码，只是翻译一下处理的逻辑。
使用神经网络的逻辑回归处理中等大小数据集
这个作业是识别图像是否是一只猫的问题。Cousera提供了一个训练集（209个图片）和一个测试集（50个图片），每个图片是64×64大小的图片，每个像素是由RGB三个通道的数值表示。这些数据集是以H5文件（参考H5文件简介和使用）的形式提供。
用到了如下的Python包：
numpy：Python中进行科学计算的基础包 h5py：处理H5格式文件的通用的包 matplotlib：Python中的画图工具 PIL和Scipy：用来测试模型的包
步骤一：载入数据 官方提供了lr_utils来读取训练集和测试集，这个是已经写好的，不用我们管了（细节可看：https://github.com/amarsic1990/Deep-learning/blob/master/lr_utils.py）
在载入数据之后，官方展示了其中的一个图片：
# Example of a picture
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.")
步骤二：对数据预处理
首先需要定义一些变量供后面使用，这里需要提供三个变量：训练集数量（m_train）、测试集数量（m_test）和像素数量（其实就是每个图像的长和宽了，num_px)。这些变量都可以通过之前读取的数据获得。其实大家可以print(train_set_x_orig.shape)就可以看到训练集是什么样的，它是一个高维数组(209,64,64,3)，就是209个图片，每个图片有64×64个像素组成，每个像素有3个通道值组成。
但是注意，这样的高维数据是很难处理的，这里需要把这些高维的数组给“压平”，每一幅图可以使用一个列向量表示（使用列向量表示数据有很多说法，比说部分语言列向量比行向量快，线代中列向量的表示更加优雅简洁等）。那么最终一个图片就是一个(1,num_px × num_px × 3=12288)这样一个列向量。测试集和训练集也会随之而变化。
在numpy中压平一个数组可以使用数组的flatten方法，也可以使用reshape方法。在作业中压平数组的方法是用了一个技巧，即将(a,b,c,d)形式的数组压平成(b × c × d, a)格式可以是使用如下方式：
X_flatten = X.reshape(X.shape[0], -1).T # X.T is the transpose of X
reshape中-1的含义是在给定了另一个维度之后，让numpy帮助我们决定剩下的列（行）的元素的内容，官方文档强调了，数组转换前后必须是相容的。如果给定了一个维度的参数是-1的话，那么将根据数组的长度和剩下的维度来推断这个维度的值是多少。
# Reshape the training and test examples
### START CODE HERE ### (≈ 2 lines of code)
train_set_x_flatten = 自己想，很简单
test_set_x_flatten = 自己想，很简单
### END CODE HERE ###
print ("train_set_x_flatten shape: " + str(train_set_x_flatten.shape))
print ("train_set_y shape: " + str(train_set_y.shape))
print ("test_set_x_flatten shape: " + str(test_set_x_flatten.shape))
print ("test_set_y shape: " + str(test_set_y.shape))
print ("sanity check after reshaping: " + str(train_set_x_flatten[0:5,0]))
压平后的数据也得到了。我们知道，使用RGB三个通道表示彩色图像的时候，每个像素是一个三维的向量，且向量中元素的值的范围是[0,255]。
机器学习中一个通用的预处理步骤是数据的中心化和标准化。也就是用你的数据减去数据的均值，然后再除以标准差。但是对于图片数据来说，最简单有效的方法是将每个数值除以最大值255即可。
所以标准化数据就是如下操作：
train_set_x = train_set_x_flatten/255.
test_set_x = test_set_x_flatten/255.
总结一下，对于新数据的预处理步骤主要包括： 1、找出数据的维度，并确认好维度的问题 2、对数据的维度进行重新塑造 3、标准化数据集
3、一般学习算法的架构