Loads cats dataset from HDF5 format

load_cats_dataset.py

def load_dataset():
    train_dataset = h5py.File('dataset/train_catvnoncat.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('dataset/test_catvnoncat.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

print_image_example.py

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

index = 25
plt.imshow(train_set_x_orig[index])
plt.show()

La función load_dataset carga un le conjunto de datos en memoria, asumiendo que los datos están en un directorio llamado 'dataset'. Una imagen desde el punto de vista del código, no es más que un array de números. En nuestro caso, es un array multidimensional, cuyas dimensiones son (64, 64, 3) dado que cada imagen es de 64x64 pixeles y están en formato RGB, por lo tanto tienen 3 canales que corresponden a Rojo, Verde y Azul (RGB). Esto explica el por qué de las dimensiones del array. Además la función retorna varios elementos, en este caso para hacer el entrenamiento son necesarios train_set_x_orig y train_set_y

El archivo print_image_example.py lo que hace es llamar la función load_dataset y mostrar una de las imágenes en pantalla, en este caso la que está en el index 25 del array. Puedes cambiar el index para explorar diferentes imágenes

Las librerías que deben tener instaladas son matplotlib, numpy y h5py

Ejemplo de como instalar pip install numpy