cs231n-assigment1完整代码

此资源是cs231n课程assigment1的完整代码，包括knn,svm,softmax,two-layer-nets,feature五个小作业，代码中需要完成的python和ipython均已完成

import cPickle as pickle
import numpy as np
import os
from scipy.misc import imread

def load_CIFAR_batch（filename）:
  “““ load single batch of cifar “““
  with open（filename ‘rb‘） as f:
    datadict = pickle.load（f）
    X = datadict[‘data‘]
    Y = datadict[‘labels‘]
    X = X.reshape（10000 3 32 32）.transpose（0231）.astype（“float“）
    Y = np.array（Y）
    return X Y

def load_CIFAR10（ROOT）:
  “““ load all of cifar “““
  xs = []
  ys = []
  for b in range（16）:
    f = os.path.join（ROOT ‘data_batch_%d‘ % （b ））
    X Y = load_CIFAR_batch（f）
    xs.append（X）
    ys.append（Y）    
  Xtr = np.concatenate（xs）
  Ytr = np.concatenate（ys）
  del X Y
  Xte Yte = load_CIFAR_batch（os.path.join（ROOT ‘test_batch‘））
  return Xtr Ytr Xte Yte

def load_tiny_imagenet（path dtype=np.float32）:
  “““
  Load TinyImageNet. Each of TinyImageNet-100-A TinyImageNet-100-B and
  TinyImageNet-200 have the same directory structure so this can be used
  to load any of them.

  Inputs:
  - path: String giving path to the directory to load.
  - dtype: numpy datatype used to load the data.

  Returns: A tuple of
  - class_names: A list where class_names[i] is a list of strings giving the
    WordNet names for class i in the loaded dataset.
  - X_train: （N_tr 3 64 64） array of training images
  - y_train: （N_tr） array of training labels
  - X_val: （N_val 3 64 64） array of validation images
  - y_val: （N_val） array of validation labels
  - X_test: （N_test 3 64 64） array of testing images.
  - y_test: （N_test） array of test labels; if test labels are not available
    （such as in student code） then y_test will be None.
  “““
  # First load wnids
  with open（os.path.join（path ‘wnids.txt‘） ‘r‘） as f:
    wnids = [x.strip（） for x in f]

  # Map wnids to integer labels
  wnid_to_label = {wnid: i for i wnid in enumerate（wnids）}

  # Use words.txt to get names for each class
  with open（os.path.join（path ‘words.txt‘） ‘r‘） as f:
    wnid_to_words = dict（line.split（‘\t‘） for line in f）
    for wnid words in wnid_to_words.iteritems（）:
      wnid_to_words[wnid] = [w.strip（） for w in words.split（‘‘）]
  class_names = [wnid_to_words[wnid] for wnid in wnids]

  # Next load training data.
  X_train = []
  y_train = []
  for i wnid in enumerate（wnids）:
    if （i + 1） % 20 == 0:
      print ‘loading training data for synset %d / %d‘ % （i + 1 len（wnids））
    # To figure out the filenames we need to open the boxes file
    boxes_file = os.path.join（path ‘train‘ wnid ‘%s_boxes.txt‘ % wnid）
    with open（boxes_file ‘r‘） as f:
      filenames = [x.split（‘\t‘）[0] for x in f]
    num_images = len（filenames）
    
    X_train_block = np.zeros（（num_images 3 64 64） dtype=dtype）
    y_train_block = wnid_to_label[wnid] * np.ones（num_images dtype=np.int64）
    for j img_file in enumerate（filenames）:
      img_file = os.path.join（path ‘train‘ wnid ‘images‘ img_file）
      img = imread（img_file）
      if img.ndim == 2:
        ## grayscale file
        img.shape 

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     文件        6148  2017-03-22 00:20  .DS_Store
     目录           0  2017-03-19 11:22  cs231n\
     文件        6148  2017-03-22 00:20  cs231n\.DS_Store
     文件           0  2016-01-10 03:41  cs231n\__init__.py
     文件         105  2017-03-15 00:34  cs231n\__init__.pyc
     目录           0  2017-03-20 07:48  cs231n\classifiers\
     文件         103  2016-01-10 03:41  cs231n\classifiers\__init__.py
     文件         238  2017-03-15 00:34  cs231n\classifiers\__init__.pyc
     文件        9178  2017-03-15 02:36  cs231n\classifiers\k_nearest_neighbor.py
     文件        5501  2017-03-15 02:36  cs231n\classifiers\k_nearest_neighbor.pyc
     文件        6216  2017-03-15 07:18  cs231n\classifiers\linear_classifier.py
     文件        4580  2017-03-15 07:18  cs231n\classifiers\linear_classifier.pyc
     文件        4838  2017-03-15 07:07  cs231n\classifiers\linear_svm.py
     文件        2372  2017-03-15 07:18  cs231n\classifiers\linear_svm.pyc
     文件       12084  2017-03-20 07:38  cs231n\classifiers\neural_net.py
     文件        7273  2017-03-19 11:06  cs231n\classifiers\neural_net.pyc
     文件        3629  2017-03-20 07:48  cs231n\classifiers\softmax.py
     文件        2353  2017-03-15 08:18  cs231n\classifiers\softmax.pyc
     文件        5550  2016-01-10 03:41  cs231n\data_utils.py
     文件        5762  2017-03-15 00:34  cs231n\data_utils.pyc
     文件        4807  2016-01-10 03:41  cs231n\features.py
     文件        4779  2017-03-19 11:22  cs231n\features.pyc
     文件        3904  2017-03-19 10:45  cs231n\gradient_check.py
     文件        3824  2017-03-19 10:45  cs231n\gradient_check.pyc
     文件        1951  2016-01-10 03:41  cs231n\vis_utils.py
     文件        2517  2017-03-19 08:15  cs231n\vis_utils.pyc
     文件      354272  2017-03-20 07:58  features.ipynb
     文件         412  2016-01-10 03:41  frameworkpython
     文件      419955  2017-03-15 08:08  knn.ipynb
     文件       69063  2017-03-15 08:30  softmax.ipynb
     文件         113  2016-01-10 03:41  start_ipython_osx.sh
............此处省略2个文件信息