import?math
import?numpy?as?np
import?h5py
import?matplotlib.pyplot?as?plt
import?tensorflow?as?tf
from?tensorflow.python.framework?import?ops

def?load_dataset（）:
????train_dataset?=?h5py.File（‘datasets/train_signs.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_signs.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


def?random_mini_batches（X?Y?mini_batch_size?=?64?seed?=?0）:
????“““
????Creates?a?list?of?random?minibatches?from?（X?Y）

????Arguments:
????X?--?input?data?of?shape?（input?size?number?of?examples）?（m?Hi?Wi?Ci）
????Y?--?true?“label“?vector?（containing?0?if?cat?1?if?non-cat）?of?shape?（1?number?of?examples）?（m?n_y）
????mini_batch_size?-?size?of?the?mini-batches?integer
????seed?--?this?is?only?for?the?purpose?of?grading?so?that?you‘re?“random?minibatches?are?the?same?as?ours.

????Returns:
????mini_batches?--?list?of?synchronous?（mini_batch_X?mini_batch_Y）
????“““

????m?=?X.shape[0]??????????????????#?number?of?training?examples
????mini_batches?=?[]
????np.random.seed（seed）

????#?Step?1:?Shuffle?（X?Y）
????permutation?=?list（np.random.permutation（m））
????shuffled_X?=?X[permutation:::]
????shuffled_Y?=?Y[permutation:]

????#?Step?2:?Partition?（shuffled_X?shuffled_Y）.?Minus?the?end?case.
????num_complete_minibatches?=?math.floor（m/mini_batch_size）?#?number?of?mini?batches?of?size?mini_batch_size?in?your?partitionning
????for?k?in?range（0?num_complete_minibatches）:
????????mini_batch_X?=?shuffled_X[k?*?mini_batch_size?:?k?*?mini_batch_size?+?mini_batch_size:::]
????????mini_batch_Y?=?shuffled_Y[k?*?mini_batch_size?:?k?*?mini_batch_size?+?mini_batch_size:]
????????mini_batch?=?（mini_batch_X?mini_batch_Y）
????????mini_batches.append（mini_batch）

????#?Handling?the?end?case?（last?mini-batch?????if?m?%?mini_batch_size?!=?0:
????????mini_batch_X?=?shuffled_X[num_complete_minibatches?*?mini_batch_size?:?m:::]
????????mini_batch_Y?=?shuffled_Y[num_complete_minibatches?*?mini_batch_size?:?m:]
????????mini_batch?=?（mini_batch_X?mini_batch_Y）
????????mini_batches.append（mini_batch）

????return?mini_batches


def?convert_to_one_hot（Y?C）:
????Y?=?np.eye（C）[Y.reshape（-1）].T
????return?Y


def?forward_propagation_for_predict（X?parameters）:
????“““
????Implements?the?forward?propagation?for?the?model:?LINEAR?->?RELU?->?LINEAR?->?RELU?->?LINEAR?->?SOFTMAX

????Arg

?屬性????????????大小?????日期????時間???名稱
-----------?---------??----------?-----??----

?????文件????1741661??2019-01-08?18:17??2018年天津大學媒體計算課程大作業\3016216116_宋金鐸.pdf

?????文件???????5530??2019-01-05?16:39??2018年天津大學媒體計算課程大作業\demo\cnn\cnn_utils.py

?????文件????1477712??2019-01-05?16:36??2018年天津大學媒體計算課程大作業\demo\cnn\datasets\test_signs.h5

?????文件???13281872??2019-01-05?16:36??2018年天津大學媒體計算課程大作業\demo\cnn\datasets\train_signs.h5

?????文件??????14481??2019-01-05?22:39??2018年天津大學媒體計算課程大作業\demo\cnn\dnn_app_utils_v3.py

?????文件????????584??2019-01-05?21:03??2018年天津大學媒體計算課程大作業\demo\cnn\pytorch\net.py

?????文件???????5526??2019-01-08?16:11??2018年天津大學媒體計算課程大作業\demo\cnn\pytorch\train.py

?????文件???????1122??2019-01-05?21:03??2018年天津大學媒體計算課程大作業\demo\cnn\pytorch\__pycache__\net.cpython-35.pyc

?????文件????????883??2019-01-05?21:04??2018年天津大學媒體計算課程大作業\demo\cnn\pytorch\__pycache__\net.cpython-36.pyc

?????文件???????4650??2019-01-05?22:31??2018年天津大學媒體計算課程大作業\demo\cnn\resnets_utils.py

?????文件???????9151??2019-01-08?16:18??2018年天津大學媒體計算課程大作業\demo\cnn\train.py

?????文件???????7792??2019-01-08?16:41??2018年天津大學媒體計算課程大作業\demo\cnn\train_resd.py

?????文件???????3600??2019-01-05?18:51??2018年天津大學媒體計算課程大作業\demo\cnn\__pycache__\cnn_utils.cpython-36.pyc

?????文件??????12959??2019-01-05?22:39??2018年天津大學媒體計算課程大作業\demo\cnn\__pycache__\dnn_app_utils_v3.cpython-36.pyc

?????文件???????3519??2019-01-08?16:19??2018年天津大學媒體計算課程大作業\demo\cnn\__pycache__\resnets_utils.cpython-36.pyc

?????文件????????461??2005-07-08?12:54??2018年天津大學媒體計算課程大作業\demo0\appendimages.m

?????文件??????46433??2005-07-08?12:54??2018年天津大學媒體計算課程大作業\demo0\basmati.pgm

?????文件??????97697??2005-07-08?12:54??2018年天津大學媒體計算課程大作業\demo0\book.pgm

?????文件??????72310??2005-07-08?12:54??2018年天津大學媒體計算課程大作業\demo0\box.pgm

?????文件????????284??2019-01-01?18:17??2018年天津大學媒體計算課程大作業\demo0\cos_simp.m

?????文件???????1920??2005-07-08?12:54??2018年天津大學媒體計算課程大作業\demo0\defs.h

?????文件???????1265??2018-10-30?17:20??2018年天津大學媒體計算課程大作業\demo0\get_countVectors.m

?????文件????????942??2018-10-31?10:08??2018年天津大學媒體計算課程大作業\demo0\get_sifts.m

?????文件????????442??2018-10-27?00:03??2018年天津大學媒體計算課程大作業\demo0\get_singleVector.m

?????文件??????19072??2015-10-08?19:43??2018年天津大學媒體計算課程大作業\demo0\image\dangongqiao1.jpg

?????文件??????15709??2015-10-08?19:43??2018年天津大學媒體計算課程大作業\demo0\image\dangongqiao2.jpg

?????文件??????22942??2015-10-08?20:16??2018年天津大學媒體計算課程大作業\demo0\image\dangongqiao3.jpg

?????文件??????18213??2015-10-09?10:56??2018年天津大學媒體計算課程大作業\demo0\image\feiji1.jpg

?????文件??????11128??2015-10-08?19:42??2018年天津大學媒體計算課程大作業\demo0\image\feiji2.jpg

?????文件??????11872??2015-10-08?19:41??2018年天津大學媒體計算課程大作業\demo0\image\feiji3.jpg

............此處省略307個文件信息