第一个人工智能程序.docx

首先我们先加载一些工具库。

#加载numpy工具库并给它取个别名为np，后面就可以通过np来调用numpy工具库里面的函数了。numpy是python的一个科学计算工具库，除了前面文章中提到的它可以用来进行向量化之外，它还有很多常用的功能。非常非常常用的一个工具库！

importnumpyasnp

#这个库是用来画图的

importmatplotlib.pyplotasplt

?#这个库是用来加载训练数据集的。我们数据集的保存格式是HDF。HierarchicalDataFormat(HDF)是一种针对大量数据进行组织和存储的文件格式,大数据行业和人工智能行业都用它来保存数据。

importh5py

#这里我们用它来缩放图片这是jupyternotebook里的命令,意思是将那些用matplotlib绘制的图显示在页面里而不是弹出一个窗口

importskimage.transformastf

%matplotlibinline

e:\ProgramData\Anaconda3\lib\site-packages\h5py\__init__.py:36:FutureWarning:Conversionofthesecondargumentofissubdtypefrom`float`to`np.floating`isdeprecated.Infuture,itwillbetreatedas`np.float64==np.dtype(float).type`.

from._convimportregister_convertersas_register_converters

#能看到这篇文章了，相信你前面的文章已经都看了，那么也就知道了人工智能是需要用很多数据来进行训练的。

#我已经为大家准备好了数据。文档同目录下的datasets文件夹就是存放数据集的地方。

#下面这个函数用于加载这些数据。

defload_dataset():

#加载训练数据

train_dataset=h5py.File(datasets/train_catvnoncat.h5,r)

#从训练数据中提取出图片的特征数据

train_set_x_orig=np.array(train_dataset[train_set_x][:])

#从训练数据中提取出图片的标签数据

train_set_y_orig=np.array(train_dataset[train_set_y][:])

?#加载测试数据

test_dataset=h5py.File(datasets/test_catvnoncat.h5,r)

test_set_x_orig=np.array(test_dataset[test_set_x][:])

test_set_y_orig=np.array(test_dataset[test_set_y][:])

?#加载标签类别数据，这里的类别只有两种，1代表有猫，0代表无猫

classes=np.array(test_dataset[list_classes][:])

#把数组的维度从(209,)变成(1,209)，这样好方便后面进行计算

train_set_y_orig=train_set_y_orig.reshape((1,train_set_y_orig.shape[0]))

#从(50,)变成(1,50)

test_set_y_orig=test_set_y_orig.reshape((1,test_set_y_orig.shape[0]))

returntrain_set_x_orig,train_set_y_orig,test_set_x_orig,test_set_y_orig,classes

#调用上面定义的函数将数据加载到各个变量中

train_set_x_orig,train_set_y,test_set_x_orig,test_set_y,classes=load_dataset()

#下面我们随便挑一张图片将其显示出来，给大家一个直观的认识。下面的index你们可以随便改动。图片的像素很低，是因为如果用高像素图片的话就会需要更多的计算时间。我的目的只是教学，所以没有必要用高像素的图片。

index=100

plt.imshow(train_set_x_orig[index])

print(标签为+str(train_