2018年天津大学媒体计算课程大作业.rar

本资源源于天津大学开设的媒体计算课程，包含三个项目（BOF+SIFT图片搜索、svm图片多分类和cnn手势图片识别），报告和READEME，具有一定的参考价值

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 < mini_batch_size）
    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

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件    1741661  2019-01-08 18:17  2018年天津大学媒体计算课程大作业\3016216116_宋金铎.pdf

     文件       5530  2019-01-05 16:39  2018年天津大学媒体计算课程大作业\demo\cnn\cnn_utils.py

     文件    1477712  2019-01-05 16:36  2018年天津大学媒体计算课程大作业\demo\cnn\datasets\test_signs.h5

     文件   13281872  2019-01-05 16:36  2018年天津大学媒体计算课程大作业\demo\cnn\datasets\train_signs.h5

     文件      14481  2019-01-05 22:39  2018年天津大学媒体计算课程大作业\demo\cnn\dnn_app_utils_v3.py

     文件        584  2019-01-05 21:03  2018年天津大学媒体计算课程大作业\demo\cnn\pytorch\net.py

     文件       5526  2019-01-08 16:11  2018年天津大学媒体计算课程大作业\demo\cnn\pytorch\train.py

     文件       1122  2019-01-05 21:03  2018年天津大学媒体计算课程大作业\demo\cnn\pytorch\__pycache__\net.cpython-35.pyc

     文件        883  2019-01-05 21:04  2018年天津大学媒体计算课程大作业\demo\cnn\pytorch\__pycache__\net.cpython-36.pyc

     文件       4650  2019-01-05 22:31  2018年天津大学媒体计算课程大作业\demo\cnn\resnets_utils.py

     文件       9151  2019-01-08 16:18  2018年天津大学媒体计算课程大作业\demo\cnn\train.py

     文件       7792  2019-01-08 16:41  2018年天津大学媒体计算课程大作业\demo\cnn\train_resd.py

     文件       3600  2019-01-05 18:51  2018年天津大学媒体计算课程大作业\demo\cnn\__pycache__\cnn_utils.cpython-36.pyc

     文件      12959  2019-01-05 22:39  2018年天津大学媒体计算课程大作业\demo\cnn\__pycache__\dnn_app_utils_v3.cpython-36.pyc

     文件       3519  2019-01-08 16:19  2018年天津大学媒体计算课程大作业\demo\cnn\__pycache__\resnets_utils.cpython-36.pyc

     文件        461  2005-07-08 12:54  2018年天津大学媒体计算课程大作业\demo0\appendimages.m

     文件      46433  2005-07-08 12:54  2018年天津大学媒体计算课程大作业\demo0\basmati.pgm

     文件      97697  2005-07-08 12:54  2018年天津大学媒体计算课程大作业\demo0\book.pgm

     文件      72310  2005-07-08 12:54  2018年天津大学媒体计算课程大作业\demo0\box.pgm

     文件        284  2019-01-01 18:17  2018年天津大学媒体计算课程大作业\demo0\cos_simp.m

     文件       1920  2005-07-08 12:54  2018年天津大学媒体计算课程大作业\demo0\defs.h

     文件       1265  2018-10-30 17:20  2018年天津大学媒体计算课程大作业\demo0\get_countVectors.m

     文件        942  2018-10-31 10:08  2018年天津大学媒体计算课程大作业\demo0\get_sifts.m

     文件        442  2018-10-27 00:03  2018年天津大学媒体计算课程大作业\demo0\get_singleVector.m

     文件      19072  2015-10-08 19:43  2018年天津大学媒体计算课程大作业\demo0\image\dangongqiao1.jpg

     文件      15709  2015-10-08 19:43  2018年天津大学媒体计算课程大作业\demo0\image\dangongqiao2.jpg

     文件      22942  2015-10-08 20:16  2018年天津大学媒体计算课程大作业\demo0\image\dangongqiao3.jpg

     文件      18213  2015-10-09 10:56  2018年天津大学媒体计算课程大作业\demo0\image\feiji1.jpg

     文件      11128  2015-10-08 19:42  2018年天津大学媒体计算课程大作业\demo0\image\feiji2.jpg

     文件      11872  2015-10-08 19:41  2018年天津大学媒体计算课程大作业\demo0\image\feiji3.jpg

............此处省略307个文件信息