web-dev-qa-db-fra.com

Installez les problèmes avec 'lr_utils' dans python

J'essaie de terminer mes devoirs dans une mission DeepLearning [deeplearning.ai par le Dr Andrew N.G. (Stanford University)].

Lorsque j'essaie l'affectation dans la plate-forme Coursera, tout fonctionne bien, cependant, lorsque j'essaie de faire la même imports sur ma machine locale, cela me donne une erreur,

ModuleNotFoundError: No module named 'lr_utils'

J'ai essayé de résoudre le problème en installant lr_utils mais en vain.

Il n'y a aucune mention de ce module en ligne (ça m'a un peu surpris) et maintenant j'ai commencé à me demander si c'était une propriété de deeplearning.ai?

Ou pouvons-nous résoudre ce problème d'une autre manière!

pythondeep-learningdatasetanacondaconda
7
JAugust

Selon la réponse ci-dessus, lr_utils fait partie du cours d'apprentissage en profondeur et est un utilitaire pour télécharger les ensembles de données. Cela devrait facilement fonctionner avec la version payante du cours, mais au cas où vous y auriez "perdu" l'accès, j'ai remarqué que ce projet github a le lr_utils.py ainsi que certains ensembles de données

https://github.com/andersy005/deep-learning-specialization-coursera/tree/master/01-Neural-Networks-and-Deep-Learning/week2/Programming-Assignments

Remarque: les liens du site Web chinois ne fonctionnaient pas lorsque je les ai consultés. Peut-être que le serveur stockant les fichiers a expiré. J'ai vu que ce projet github avait quelques jeux de données ainsi que le fichier lr_utils.

7
ThinkBonobo

"lr_utils" n'est pas une bibliothèque officielle ou quelque chose comme ça. Le but de "lr_utils" est de récupérer le jeu de données requis pour le cours.

  1. option (ne fonctionnait pas pour moi): allez sur cette page et il y a un code python pour télécharger le jeu de données et créer "lr_utils"

    • J'ai eu un problème avec la récupération des données à partir de l'URL fournie (mais au moins vous pouvez essayer de l'exécuter, peut-être que cela fonctionnera)

  2. option (a fonctionné pour moi): dans les commentaires (sur la même page 1 ) il y a des liens pour télécharger manuellement le jeu de données et "lr_utils.py", alors les voici:

8
cijad

Téléchargez les jeux de données à partir de la réponse ci-dessus.

Et utilisez ce code (c'est mieux que ce qui précède car il ferme les fichiers après utilisation):

def load_dataset():
    with h5py.File('datasets/train_catvnoncat.h5', "r") as train_dataset:
        train_set_x_orig = np.array(train_dataset["train_set_x"][:])
        train_set_y_orig = np.array(train_dataset["train_set_y"][:])

    with h5py.File('datasets/test_catvnoncat.h5', "r") as test_dataset:
        test_set_x_orig = np.array(test_dataset["test_set_x"][:])
        test_set_y_orig = np.array(test_dataset["test_set_y"][:])
        classes = np.array(test_dataset["list_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
4
StationaryTraveller

Vous pourrez trouver le lr_utils.py et tous les autres .py fichiers (et donc le code qu'ils contiennent) requis par les affectations:

  1. Accédez à la première affectation (ie. Python Basics with numpy) - à laquelle vous pouvez toujours accéder, que vous soyez un utilisateur payant ou non

  2. Et puis cliquez sur le bouton 'Ouvrir' dans la barre de menu ci-dessus. (voir l'image ci-dessous)

    .

Ensuite, vous pouvez inclure le code des modules directement dans votre code.

3
Jishnu Dey

  1. Voici le moyen d'obtenir un ensemble de données à partir de @ThinkBonobo: https://github.com/andersy005/deep-learning-specialization-coursera/tree/master/01-Neural-Networks-and-Deep-Learning/ semaine2/Programmation-Affectations/jeux de données

  2. écrivez un fichier lr_utils.py, comme ci-dessus répondez à @StationaryTraveller, placez-le dans l'un des répertoires sys.path ().

  3. def load_dataset (): avec h5py.File ('datasets/train_catvnoncat.h5', "r") comme train_dataset: ....

    !!! MAIS assurez-vous de supprimer les 'ensembles de données /', car le nom de votre fichier de données est maintenant train_catvnoncat.h5

  4. redémarrez le noyau et bonne chance.

0
Jaden