实现对一系列数据集的训练和测试需要以下几个步骤:
建立一个学习算法的大体结构
1.1初始化参数
1.2计算代价函数和梯度propagete(),包括前向传播和后向传播
1.3使用一个优化算法优化参数,optimize(),用训练后的参数测试给定的例子
1.4搭建模型,使用以上函数以正确的顺序构建一个完整模型
注1:需要用到的packages:以逻辑回归为例有numpy,matplotilb(在python中绘图),h5py(获取数据集),PIL和scipy(用于测试自己的图片)。
注2:对数据集的预处理非常非常重要
#对数据集进行预处理包括以下三步:
#1 明确数据集的维度和形状
#2 输入数据集样本调整为shape of(num_px*num_px*3,1)
#3 对数据集进行标准化