update

7c77baa8 · joshuaroschlaub · 9a82b3a5 · 7c77baa8 · 7c77baa8 · 7c77baa8
Commit 7c77baa8 authored Dec 20, 2021 by joshuaroschlaub
--- a/MachineLearning.pptx
+++ b/MachineLearning.pptx
--- a/notebooks/spectral_classifier_gold_big/.ipynb_checkpoints/fits_to_npy_big-checkpoint.ipynb
+++ b/notebooks/spectral_classifier_gold_big/.ipynb_checkpoints/fits_to_npy_big-checkpoint.ipynb
+{
+ "cells": [
+  {
+   "cell_type": "code",
+   "execution_count": 1,
+   "id": "6e2b226d",
+   "metadata": {},
+   "outputs": [
+    {
+     "name": "stdout",
+     "output_type": "stream",
+     "text": [
+      "Länge der Liste wavelength ist: 3267\n",
+      "Länge der Liste wavelength ist: 2690\n",
+      "Länge der Liste wavelength ist: 3483\n",
+      "Länge der Liste wavelength ist: 3521\n",
+      "0.16% waren nicht erfolgreich bei der Klasse:AGN\n"
+     ]
+    },
+    {
+     "ename": "NotADirectoryError",
+     "evalue": "[WinError 267] Der Verzeichnisname ist ungültig: 'F:\\\\data\\\\spectral_fits_gold\\\\data.npy\\\\'",
+     "output_type": "error",
+     "traceback": [
+      "\u001b[1;31m---------------------------------------------------------------------------\u001b[0m",
+      "\u001b[1;31mNotADirectoryError\u001b[0m                        Traceback (most recent call last)",
+      "\u001b[1;32m~\\AppData\\Local\\Temp/ipykernel_4876/374206826.py\u001b[0m in \u001b[0;36m<module>\u001b[1;34m\u001b[0m\n\u001b[0;32m     25\u001b[0m     \u001b[0mcount_added\u001b[0m\u001b[1;33m=\u001b[0m\u001b[1;36m0\u001b[0m\u001b[1;33m\u001b[0m\u001b[1;33m\u001b[0m\u001b[0m\n\u001b[0;32m     26\u001b[0m \u001b[1;33m\u001b[0m\u001b[0m\n\u001b[1;32m---> 27\u001b[1;33m     \u001b[1;32mfor\u001b[0m \u001b[0mfilename\u001b[0m \u001b[1;32min\u001b[0m \u001b[0mos\u001b[0m\u001b[1;33m.\u001b[0m\u001b[0mlistdir\u001b[0m\u001b[1;33m(\u001b[0m\u001b[0mfits_path\u001b[0m \u001b[1;33m+\u001b[0m \u001b[0mdirectory\u001b[0m \u001b[1;33m+\u001b[0m \u001b[1;34m'\\\\'\u001b[0m\u001b[1;33m)\u001b[0m\u001b[1;33m:\u001b[0m\u001b[1;33m\u001b[0m\u001b[1;33m\u001b[0m\u001b[0m\n\u001b[0m\u001b[0;32m     28\u001b[0m \u001b[1;33m\u001b[0m\u001b[0m\n\u001b[0;32m     29\u001b[0m         \u001b[0mpath\u001b[0m \u001b[1;33m=\u001b[0m \u001b[0mfits_path\u001b[0m \u001b[1;33m+\u001b[0m \u001b[1;34m'\\\\'\u001b[0m \u001b[1;33m+\u001b[0m \u001b[0mdirectory\u001b[0m \u001b[1;33m+\u001b[0m \u001b[1;34m'\\\\'\u001b[0m \u001b[1;33m+\u001b[0m \u001b[0mfilename\u001b[0m\u001b[1;33m\u001b[0m\u001b[1;33m\u001b[0m\u001b[0m\n",
+      "\u001b[1;31mNotADirectoryError\u001b[0m: [WinError 267] Der Verzeichnisname ist ungültig: 'F:\\\\data\\\\spectral_fits_gold\\\\data.npy\\\\'"
+     ]
+    }
+   ],
+   "source": [
+    "import numpy as np\n",
+    "from astropy.io import fits\n",
+    "import matplotlib.pyplot as plt\n",
+    "from astropy.wcs import WCS\n",
+    "import os\n",
+    "import csv\n",
+    "\n",
+    "########## Input ##########\n",
+    "\n",
+    "fits_path = 'F:\\\\data\\\\spectral_fits_gold\\\\'\n",
+    "\n",
+    "samples_per_class = 2500\n",
+    "\n",
+    "smallest_wavelength = 4000 # in Angström\n",
+    "biggest_wavelength = 9000 \n",
+    "\n",
+    "########## Program ##########\n",
+    "\n",
+    "all_flux = []\n",
+    "filenames = []\n",
+    "\n",
+    "for directory in os.listdir(fits_path):\n",
+    "    \n",
+    "    count_failed=0\n",
+    "    count_added=0\n",
+    "    \n",
+    "    for filename in os.listdir(fits_path + directory + '\\\\'):\n",
+    "        \n",
+    "        path = fits_path + '\\\\' + directory + '\\\\' + filename\n",
+    "        \n",
+    "        # fits-Dateien öffnen und wavelength + flux einlesen\n",
+    "        hdul = fits.open(path)\n",
+    "        data = hdul[1].data\n",
+    "        flux = data['flux']\n",
+    "        wavelength = 10**data['loglam']\n",
+    "        hdul.close()\n",
+    "        \n",
+    "        # first und last Index finden\n",
+    "        for i in range(len(wavelength)):\n",
+    "            if wavelength[i]>smallest_wavelength:\n",
+    "                first_index = i\n",
+    "                break\n",
+    "\n",
+    "        for i in range(len(wavelength)):\n",
+    "            if wavelength[i]>biggest_wavelength:\n",
+    "                last_index = i\n",
+    "                break\n",
+    "\n",
+    "        # wavenlength und flux Listen schneiden\n",
+    "        wavelength = wavelength[first_index:last_index]\n",
+    "        flux = flux[first_index:last_index]\n",
+    "        \n",
+    "        if len(wavelength) == 3522 and count_added < samples_per_class:\n",
+    "            all_flux.append(flux)\n",
+    "            filenames.append(filename)\n",
+    "            count_added += 1        \n",
+    "\n",
+    "        if len(wavelength) != 3522:\n",
+    "            print(\"Länge der Liste wavelength ist: \" + str(len(wavelength)))\n",
+    "            count_failed += 1            \n",
+    "            \n",
+    "    print(str(count_failed/samples_per_class*100) + \"% waren nicht erfolgreich bei der Klasse:\" + directory)\n",
+    "\n",
+    "# Numpy Arrays mit Daten füllen\n",
+    "data = np.array(all_flux)\n",
+    "\n",
+    "labels = np.zeros(shape=(4*samples_per_class,), dtype='int')\n",
+    "for i in range(4):\n",
+    "    for t in range(samples_per_class):\n",
+    "        labels[i*samples_per_classclass+t] = i\n",
+    "        \n",
+    "wavelengths = np.array(wavelength)\n",
+    "filenames = np.array(filenames)\n",
+    "\n",
+    "# Numpy arrays in .npy Dateien speichern\n",
+    "np.save(fits_path + \"data.npy\", data)\n",
+    "np.save(fits_path + \"labels.npy\", labels)\n",
+    "np.save(fits_path + \"wavelengths.npy\", wavelengths)\n",
+    "np.save(fits_path + \"filenames.npy\", filenames)"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": null,
+   "id": "85504e55",
+   "metadata": {},
+   "outputs": [],
+   "source": []
+  }
+ ],
+ "metadata": {
+  "kernelspec": {
+   "display_name": "Python 3 (ipykernel)",
+   "language": "python",
+   "name": "python3"
+  },
+  "language_info": {
+   "codemirror_mode": {
+    "name": "ipython",
+    "version": 3
+   },
+   "file_extension": ".py",
+   "mimetype": "text/x-python",
+   "name": "python",
+   "nbconvert_exporter": "python",
+   "pygments_lexer": "ipython3",
+   "version": "3.8.5"
+  }
+ },
+ "nbformat": 4,
+ "nbformat_minor": 5
+}
+%% Cell type:code id:6e2b226d tags:
+
+``` python
+import numpy as np
+from astropy.io import fits
+import matplotlib.pyplot as plt
+from astropy.wcs import WCS
+import os
+import csv
+
+########## Input ##########
+
+fits_path = 'F:\\data\\spectral_fits_gold\\'
+
+samples_per_class = 2500
+
+smallest_wavelength = 4000 # in Angström
+biggest_wavelength = 9000
+
+########## Program ##########
+
+all_flux = []
+filenames = []
+
+for directory in os.listdir(fits_path):
+
+    count_failed=0
+    count_added=0
+
+    for filename in os.listdir(fits_path + directory + '\\'):
+
+        path = fits_path + '\\' + directory + '\\' + filename
+
+        # fits-Dateien öffnen und wavelength + flux einlesen
+        hdul = fits.open(path)
+        data = hdul[1].data
+        flux = data['flux']
+        wavelength = 10**data['loglam']
+        hdul.close()
+
+        # first und last Index finden
+        for i in range(len(wavelength)):
+            if wavelength[i]>smallest_wavelength:
+                first_index = i
+                break
+
+        for i in range(len(wavelength)):
+            if wavelength[i]>biggest_wavelength:
+                last_index = i
+                break
+
+        # wavenlength und flux Listen schneiden
+        wavelength = wavelength[first_index:last_index]
+        flux = flux[first_index:last_index]
+
+        if len(wavelength) == 3522 and count_added < samples_per_class:
+            all_flux.append(flux)
+            filenames.append(filename)
+            count_added += 1
+
+        if len(wavelength) != 3522:
+            print("Länge der Liste wavelength ist: " + str(len(wavelength)))
+            count_failed += 1
+
+    print(str(count_failed/samples_per_class*100) + "% waren nicht erfolgreich bei der Klasse:" + directory)
+
+# Numpy Arrays mit Daten füllen
+data = np.array(all_flux)
+
+labels = np.zeros(shape=(4*samples_per_class,), dtype='int')
+for i in range(4):
+    for t in range(samples_per_class):
+        labels[i*samples_per_classclass+t] = i
+
+wavelengths = np.array(wavelength)
+filenames = np.array(filenames)
+
+# Numpy arrays in .npy Dateien speichern
+np.save(fits_path + "data.npy", data)
+np.save(fits_path + "labels.npy", labels)
+np.save(fits_path + "wavelengths.npy", wavelengths)
+np.save(fits_path + "filenames.npy", filenames)
+```
+
+%% Output
+
+    Länge der Liste wavelength ist: 3267
+    Länge der Liste wavelength ist: 2690
+    Länge der Liste wavelength ist: 3483
+    Länge der Liste wavelength ist: 3521
+    0.16% waren nicht erfolgreich bei der Klasse:AGN
+
+    ---------------------------------------------------------------------------
+    NotADirectoryError                        Traceback (most recent call last)
+    ~\AppData\Local\Temp/ipykernel_4876/374206826.py in <module>
+         25     count_added=0
+         26
+    ---> 27     for filename in os.listdir(fits_path + directory + '\\'):
+         28
+         29         path = fits_path + '\\' + directory + '\\' + filename
+    NotADirectoryError: [WinError 267] Der Verzeichnisname ist ungültig: 'F:\\data\\spectral_fits_gold\\data.npy\\'
+
+%% Cell type:code id:85504e55 tags:
+
+``` python
+```
--- a/notebooks/spectral_classifier_gold_big/.ipynb_checkpoints/spectral_classifier_from_npy_big-checkpoint.ipynb
+++ b/notebooks/spectral_classifier_gold_big/.ipynb_checkpoints/spectral_classifier_from_npy_big-checkpoint.ipynb
--- a/notebooks/spectral_classifier_gold_big/accuracy_graph_goldbig.png
+++ b/notebooks/spectral_classifier_gold_big/accuracy_graph_goldbig.png
--- a/notebooks/spectral_classifier_gold_big/download_fits_gold_big.ipynb
+++ b/notebooks/spectral_classifier_gold_big/download_fits_gold_big.ipynb
@@ -2,7 +2,7 @@
 "cells": [
  {
   "cell_type": "code",
-   "execution_count": null,
+   "execution_count": 1,
   "metadata": {},
   "outputs": [
    {

--- a/notebooks/spectral_classifier_gold_big/fits_to_npy_big.ipynb
+++ b/notebooks/spectral_classifier_gold_big/fits_to_npy_big.ipynb
@@ -10,58 +10,85 @@
     "name": "stdout",
     "output_type": "stream",
     "text": [
-      "Länge der Liste wavelength ist: 3267\n",
-      "Länge der Liste wavelength ist: 2690\n",
-      "Länge der Liste wavelength ist: 3483\n",
-      "Länge der Liste wavelength ist: 3521\n",
-      "0.4% waren nicht erfolgreich bei der Klasse:AGN\n",
-      "Länge der Liste wavelength ist: 3521\n",
-      "Länge der Liste wavelength ist: 3502\n",
-      "Länge der Liste wavelength ist: 3511\n",
-      "Länge der Liste wavelength ist: 3521\n",
-      "Länge der Liste wavelength ist: 3493\n",
-      "Länge der Liste wavelength ist: 3519\n",
-      "Länge der Liste wavelength ist: 3506\n",
-      "Länge der Liste wavelength ist: 3477\n",
-      "Länge der Liste wavelength ist: 3487\n",
-      "Länge der Liste wavelength ist: 3486\n",
-      "Länge der Liste wavelength ist: 3503\n",
-      "Länge der Liste wavelength ist: 3470\n",
+      "Länge der Liste wavelength ist: 2781\n",
+      "Länge der Liste wavelength ist: 3286\n",
+      "Länge der Liste wavelength ist: 3330\n",
+      "Länge der Liste wavelength ist: 2813\n",
+      "Länge der Liste wavelength ist: 3372\n",
+      "Länge der Liste wavelength ist: 2731\n",
+      "Länge der Liste wavelength ist: 2818\n",
+      "Länge der Liste wavelength ist: 3508\n",
+      "Länge der Liste wavelength ist: 3513\n",
+      "Länge der Liste wavelength ist: 3509\n",
      "Länge der Liste wavelength ist: 3513\n",
-      "Länge der Liste wavelength ist: 3503\n",
-      "Länge der Liste wavelength ist: 3470\n",
-      "Länge der Liste wavelength ist: 3503\n",
-      "Länge der Liste wavelength ist: 3467\n",
-      "Länge der Liste wavelength ist: 3469\n",
-      "Länge der Liste wavelength ist: 3494\n",
-      "Länge der Liste wavelength ist: 3461\n",
-      "Länge der Liste wavelength ist: 3423\n",
      "Länge der Liste wavelength ist: 3507\n",
-      "Länge der Liste wavelength ist: 3433\n",
-      "Länge der Liste wavelength ist: 3487\n",
-      "Länge der Liste wavelength ist: 3484\n",
-      "Länge der Liste wavelength ist: 3470\n",
-      "Länge der Liste wavelength ist: 3469\n",
-      "Länge der Liste wavelength ist: 3447\n",
-      "Länge der Liste wavelength ist: 3447\n",
-      "Länge der Liste wavelength ist: 3511\n",
-      "Länge der Liste wavelength ist: 3519\n",
-      "3.1% waren nicht erfolgreich bei der Klasse:galaxy\n",
-      "Länge der Liste wavelength ist: 3516\n",
-      "0.1% waren nicht erfolgreich bei der Klasse:QSO\n",
-      "Länge der Liste wavelength ist: 3461\n",
-      "Länge der Liste wavelength ist: 3472\n",
-      "Länge der Liste wavelength ist: 3475\n",
-      "Länge der Liste wavelength ist: 3468\n",
-      "Länge der Liste wavelength ist: 3444\n",
-      "Länge der Liste wavelength ist: 3469\n",
-      "Länge der Liste wavelength ist: 3459\n",
-      "Länge der Liste wavelength ist: 3424\n",
-      "Länge der Liste wavelength ist: 3431\n",
-      "Länge der Liste wavelength ist: 3521\n",
+      "Länge der Liste wavelength ist: 3284\n",
+      "Länge der Liste wavelength ist: 3448\n",
+      "Länge der Liste wavelength ist: 3478\n",
+      "Länge der Liste wavelength ist: 3394\n",
+      "0.64% waren nicht erfolgreich bei der Klasse:AGN\n",
+      "Länge der Liste wavelength ist: 3506\n",
+      "Länge der Liste wavelength ist: 2805\n",
+      "Länge der Liste wavelength ist: 3260\n",
+      "Länge der Liste wavelength ist: 3508\n",
+      "Länge der Liste wavelength ist: 3452\n",
+      "Länge der Liste wavelength ist: 3440\n",
+      "Länge der Liste wavelength ist: 3157\n",
+      "Länge der Liste wavelength ist: 3418\n",
+      "Länge der Liste wavelength ist: 2811\n",
+      "Länge der Liste wavelength ist: 3057\n",
+      "Länge der Liste wavelength ist: 3508\n",
+      "Länge der Liste wavelength ist: 3382\n",
+      "Länge der Liste wavelength ist: 2739\n",
+      "Länge der Liste wavelength ist: 3123\n",
+      "Länge der Liste wavelength ist: 2781\n",
+      "Länge der Liste wavelength ist: 3439\n",
+      "Länge der Liste wavelength ist: 3007\n",
+      "0.6799999999999999% waren nicht erfolgreich bei der Klasse:galaxy\n",
+      "Länge der Liste wavelength ist: 2845\n",
+      "Länge der Liste wavelength ist: 2807\n",
+      "Länge der Liste wavelength ist: 3003\n",
+      "Länge der Liste wavelength ist: 3474\n",
+      "Länge der Liste wavelength ist: 3093\n",
+      "Länge der Liste wavelength ist: 3446\n",
+      "Länge der Liste wavelength ist: 3203\n",
+      "Länge der Liste wavelength ist: 3410\n",
+      "Länge der Liste wavelength ist: 3007\n",
+      "Länge der Liste wavelength ist: 3402\n",
+      "Länge der Liste wavelength ist: 3520\n",
+      "Länge der Liste wavelength ist: 3432\n",
+      "Länge der Liste wavelength ist: 1880\n",
+      "Länge der Liste wavelength ist: 3094\n",
+      "Länge der Liste wavelength ist: 3405\n",
+      "Länge der Liste wavelength ist: 3145\n",
+      "Länge der Liste wavelength ist: 3464\n",
      "Länge der Liste wavelength ist: 3441\n",
-      "Länge der Liste wavelength ist: 3515\n",
-      "1.2% waren nicht erfolgreich bei der Klasse:star\n"
+      "Länge der Liste wavelength ist: 3242\n",
+      "Länge der Liste wavelength ist: 3240\n",
+      "Länge der Liste wavelength ist: 3517\n",
+      "Länge der Liste wavelength ist: 3520\n",
+      "Länge der Liste wavelength ist: 3450\n",
+      "Länge der Liste wavelength ist: 3086\n",
+      "0.96% waren nicht erfolgreich bei der Klasse:QSO\n",
+      "Länge der Liste wavelength ist: 3491\n",
+      "Länge der Liste wavelength ist: 2671\n",
+      "Länge der Liste wavelength ist: 3517\n",
+      "Länge der Liste wavelength ist: 2855\n",
+      "Länge der Liste wavelength ist: 3474\n",
+      "Länge der Liste wavelength ist: 2902\n",
+      "Länge der Liste wavelength ist: 3511\n",
+      "0.27999999999999997% waren nicht erfolgreich bei der Klasse:star\n"
+     ]
+    },
+    {
+     "ename": "NameError",
+     "evalue": "name 'samples_per_classclass' is not defined",
+     "output_type": "error",
+     "traceback": [
+      "\u001b[1;31m---------------------------------------------------------------------------\u001b[0m",
+      "\u001b[1;31mNameError\u001b[0m                                 Traceback (most recent call last)",
+      "\u001b[1;32m~\\AppData\\Local\\Temp/ipykernel_19284/1693293451.py\u001b[0m in \u001b[0;36m<module>\u001b[1;34m\u001b[0m\n\u001b[0;32m     68\u001b[0m \u001b[1;32mfor\u001b[0m \u001b[0mi\u001b[0m \u001b[1;32min\u001b[0m \u001b[0mrange\u001b[0m\u001b[1;33m(\u001b[0m\u001b[1;36m4\u001b[0m\u001b[1;33m)\u001b[0m\u001b[1;33m:\u001b[0m\u001b[1;33m\u001b[0m\u001b[1;33m\u001b[0m\u001b[0m\n\u001b[0;32m     69\u001b[0m     \u001b[1;32mfor\u001b[0m \u001b[0mt\u001b[0m \u001b[1;32min\u001b[0m \u001b[0mrange\u001b[0m\u001b[1;33m(\u001b[0m\u001b[0msamples_per_class\u001b[0m\u001b[1;33m)\u001b[0m\u001b[1;33m:\u001b[0m\u001b[1;33m\u001b[0m\u001b[1;33m\u001b[0m\u001b[0m\n\u001b[1;32m---> 70\u001b[1;33m         \u001b[0mlabels\u001b[0m\u001b[1;33m[\u001b[0m\u001b[0mi\u001b[0m\u001b[1;33m*\u001b[0m\u001b[0msamples_per_classclass\u001b[0m\u001b[1;33m+\u001b[0m\u001b[0mt\u001b[0m\u001b[1;33m]\u001b[0m \u001b[1;33m=\u001b[0m \u001b[0mi\u001b[0m\u001b[1;33m\u001b[0m\u001b[1;33m\u001b[0m\u001b[0m\n\u001b[0m\u001b[0;32m     71\u001b[0m \u001b[1;33m\u001b[0m\u001b[0m\n\u001b[0;32m     72\u001b[0m \u001b[0mwavelengths\u001b[0m \u001b[1;33m=\u001b[0m \u001b[0mnp\u001b[0m\u001b[1;33m.\u001b[0m\u001b[0marray\u001b[0m\u001b[1;33m(\u001b[0m\u001b[0mwavelength\u001b[0m\u001b[1;33m)\u001b[0m\u001b[1;33m\u001b[0m\u001b[1;33m\u001b[0m\u001b[0m\n",
+      "\u001b[1;31mNameError\u001b[0m: name 'samples_per_classclass' is not defined"
     ]
    }
   ],
@@ -75,9 +102,9 @@
    "\n",
    "########## Input ##########\n",
    "\n",
-    "fits_path = 'F:\\\\data\\\\spectral_fits_gold\\\\'\n",
+    "fits_path = 'F:\\\\data\\\\spectral_fits_gold_big\\\\'\n",
    "\n",
-    "samples_per_class = 1000\n",
+    "samples_per_class = 2500\n",
    "\n",
    "smallest_wavelength = 4000 # in Angström\n",
    "biggest_wavelength = 9000 \n",
@@ -127,15 +154,15 @@
    "            print(\"Länge der Liste wavelength ist: \" + str(len(wavelength)))\n",
    "            count_failed += 1            \n",
    "            \n",
-    "    print(str(count_failed/1000*100) + \"% waren nicht erfolgreich bei der Klasse:\" + directory)\n",
+    "    print(str(count_failed/samples_per_class*100) + \"% waren nicht erfolgreich bei der Klasse:\" + directory)\n",
    "\n",
    "# Numpy Arrays mit Daten füllen\n",
    "data = np.array(all_flux)\n",
    "\n",
-    "labels = np.zeros(shape=(4000,), dtype='int')\n",
+    "labels = np.zeros(shape=(4*samples_per_class,), dtype='int')\n",
    "for i in range(4):\n",
    "    for t in range(samples_per_class):\n",
-    "        labels[i*1000+t] = i\n",
+    "        labels[i*samples_per_class+t] = i\n",
    "        \n",
    "wavelengths = np.array(wavelength)\n",
    "filenames = np.array(filenames)\n",

 %% Cell type:code id:6e2b226d tags:

 ``` python
 import numpy as np
 from astropy.io import fits
 import matplotlib.pyplot as plt
 from astropy.wcs import WCS
 import os
 import csv

 ########## Input ##########

-fits_path = 'F:\\data\\spectral_fits_gold\\'
+fits_path = 'F:\\data\\spectral_fits_gold_big\\'

-samples_per_class = 1000
+samples_per_class = 2500

 smallest_wavelength = 4000 # in Angström
 biggest_wavelength = 9000

 ########## Program ##########

 all_flux = []
 filenames = []

 for directory in os.listdir(fits_path):

    count_failed=0
    count_added=0

    for filename in os.listdir(fits_path + directory + '\\'):

        path = fits_path + '\\' + directory + '\\' + filename

        # fits-Dateien öffnen und wavelength + flux einlesen
        hdul = fits.open(path)
        data = hdul[1].data
        flux = data['flux']
        wavelength = 10**data['loglam']
        hdul.close()

        # first und last Index finden
        for i in range(len(wavelength)):
            if wavelength[i]>smallest_wavelength:
                first_index = i
                break

        for i in range(len(wavelength)):
            if wavelength[i]>biggest_wavelength:
                last_index = i
                break

        # wavenlength und flux Listen schneiden
        wavelength = wavelength[first_index:last_index]
        flux = flux[first_index:last_index]

        if len(wavelength) == 3522 and count_added < samples_per_class:
            all_flux.append(flux)
            filenames.append(filename)
            count_added += 1

        if len(wavelength) != 3522:
            print("Länge der Liste wavelength ist: " + str(len(wavelength)))
            count_failed += 1

-    print(str(count_failed/1000*100) + "% waren nicht erfolgreich bei der Klasse:" + directory)
+    print(str(count_failed/samples_per_class*100) + "% waren nicht erfolgreich bei der Klasse:" + directory)

 # Numpy Arrays mit Daten füllen
 data = np.array(all_flux)

-labels = np.zeros(shape=(4000,), dtype='int')
+labels = np.zeros(shape=(4*samples_per_class,), dtype='int')
 for i in range(4):
    for t in range(samples_per_class):
-        labels[i*1000+t] = i
+        labels[i*samples_per_class+t] = i

 wavelengths = np.array(wavelength)
 filenames = np.array(filenames)

 # Numpy arrays in .npy Dateien speichern
 np.save(fits_path + "data.npy", data)
 np.save(fits_path + "labels.npy", labels)
 np.save(fits_path + "wavelengths.npy", wavelengths)
 np.save(fits_path + "filenames.npy", filenames)
 ```

 %% Output

-    Länge der Liste wavelength ist: 3267
-    Länge der Liste wavelength ist: 2690
-    Länge der Liste wavelength ist: 3483
-    Länge der Liste wavelength ist: 3521
-    0.4% waren nicht erfolgreich bei der Klasse:AGN
-    Länge der Liste wavelength ist: 3521
-    Länge der Liste wavelength ist: 3502
-    Länge der Liste wavelength ist: 3511
-    Länge der Liste wavelength ist: 3521
-    Länge der Liste wavelength ist: 3493
-    Länge der Liste wavelength ist: 3519
-    Länge der Liste wavelength ist: 3506
-    Länge der Liste wavelength ist: 3477
-    Länge der Liste wavelength ist: 3487
-    Länge der Liste wavelength ist: 3486
-    Länge der Liste wavelength ist: 3503
-    Länge der Liste wavelength ist: 3470
+    Länge der Liste wavelength ist: 2781
+    Länge der Liste wavelength ist: 3286
+    Länge der Liste wavelength ist: 3330
+    Länge der Liste wavelength ist: 2813
+    Länge der Liste wavelength ist: 3372
+    Länge der Liste wavelength ist: 2731
+    Länge der Liste wavelength ist: 2818
+    Länge der Liste wavelength ist: 3508
+    Länge der Liste wavelength ist: 3513
+    Länge der Liste wavelength ist: 3509
    Länge der Liste wavelength ist: 3513
-    Länge der Liste wavelength ist: 3503
-    Länge der Liste wavelength ist: 3470
-    Länge der Liste wavelength ist: 3503
-    Länge der Liste wavelength ist: 3467
-    Länge der Liste wavelength ist: 3469
-    Länge der Liste wavelength ist: 3494
-    Länge der Liste wavelength ist: 3461
-    Länge der Liste wavelength ist: 3423
    Länge der Liste wavelength ist: 3507
-    Länge der Liste wavelength ist: 3433
-    Länge der Liste wavelength ist: 3487
-    Länge der Liste wavelength ist: 3484
-    Länge der Liste wavelength ist: 3470
-    Länge der Liste wavelength ist: 3469
-    Länge der Liste wavelength ist: 3447
-    Länge der Liste wavelength ist: 3447
-    Länge der Liste wavelength ist: 3511
-    Länge der Liste wavelength ist: 3519
-    3.1% waren nicht erfolgreich bei der Klasse:galaxy
-    Länge der Liste wavelength ist: 3516
-    0.1% waren nicht erfolgreich bei der Klasse:QSO
-    Länge der Liste wavelength ist: 3461
-    Länge der Liste wavelength ist: 3472
-    Länge der Liste wavelength ist: 3475
-    Länge der Liste wavelength ist: 3468
-    Länge der Liste wavelength ist: 3444
-    Länge der Liste wavelength ist: 3469
-    Länge der Liste wavelength ist: 3459
-    Länge der Liste wavelength ist: 3424
-    Länge der Liste wavelength ist: 3431
-    Länge der Liste wavelength ist: 3521
+    Länge der Liste wavelength ist: 3284
+    Länge der Liste wavelength ist: 3448
+    Länge der Liste wavelength ist: 3478
+    Länge der Liste wavelength ist: 3394
+    0.64% waren nicht erfolgreich bei der Klasse:AGN
+    Länge der Liste wavelength ist: 3506
+    Länge der Liste wavelength ist: 2805
+    Länge der Liste wavelength ist: 3260
+    Länge der Liste wavelength ist: 3508
+    Länge der Liste wavelength ist: 3452
+    Länge der Liste wavelength ist: 3440
+    Länge der Liste wavelength ist: 3157
+    Länge der Liste wavelength ist: 3418
+    Länge der Liste wavelength ist: 2811
+    Länge der Liste wavelength ist: 3057
+    Länge der Liste wavelength ist: 3508
+    Länge der Liste wavelength ist: 3382
+    Länge der Liste wavelength ist: 2739
+    Länge der Liste wavelength ist: 3123
+    Länge der Liste wavelength ist: 2781
+    Länge der Liste wavelength ist: 3439
+    Länge der Liste wavelength ist: 3007
+    0.6799999999999999% waren nicht erfolgreich bei der Klasse:galaxy
+    Länge der Liste wavelength ist: 2845
+    Länge der Liste wavelength ist: 2807
+    Länge der Liste wavelength ist: 3003
+    Länge der Liste wavelength ist: 3474
+    Länge der Liste wavelength ist: 3093
+    Länge der Liste wavelength ist: 3446
+    Länge der Liste wavelength ist: 3203
+    Länge der Liste wavelength ist: 3410
+    Länge der Liste wavelength ist: 3007
+    Länge der Liste wavelength ist: 3402
+    Länge der Liste wavelength ist: 3520
+    Länge der Liste wavelength ist: 3432
+    Länge der Liste wavelength ist: 1880
+    Länge der Liste wavelength ist: 3094
+    Länge der Liste wavelength ist: 3405
+    Länge der Liste wavelength ist: 3145
+    Länge der Liste wavelength ist: 3464
    Länge der Liste wavelength ist: 3441
-    Länge der Liste wavelength ist: 3515
-    1.2% waren nicht erfolgreich bei der Klasse:star
+    Länge der Liste wavelength ist: 3242
+    Länge der Liste wavelength ist: 3240
+    Länge der Liste wavelength ist: 3517
+    Länge der Liste wavelength ist: 3520
+    Länge der Liste wavelength ist: 3450
+    Länge der Liste wavelength ist: 3086
+    0.96% waren nicht erfolgreich bei der Klasse:QSO
+    Länge der Liste wavelength ist: 3491
+    Länge der Liste wavelength ist: 2671
+    Länge der Liste wavelength ist: 3517
+    Länge der Liste wavelength ist: 2855
+    Länge der Liste wavelength ist: 3474
+    Länge der Liste wavelength ist: 2902
+    Länge der Liste wavelength ist: 3511
+    0.27999999999999997% waren nicht erfolgreich bei der Klasse:star
+
+    ---------------------------------------------------------------------------
+    NameError                                 Traceback (most recent call last)
+    ~\AppData\Local\Temp/ipykernel_19284/1693293451.py in <module>
+         68 for i in range(4):
+         69     for t in range(samples_per_class):
+    ---> 70         labels[i*samples_per_classclass+t] = i
+         71
+         72 wavelengths = np.array(wavelength)
+    NameError: name 'samples_per_classclass' is not defined

 %% Cell type:code id:85504e55 tags:

 ``` python
 ```

--- a/notebooks/spectral_classifier_gold_big/loss_graph_goldbig.png
+++ b/notebooks/spectral_classifier_gold_big/loss_graph_goldbig.png
--- a/notebooks/spectral_classifier_gold_big/spectral_classifier_from_npy_big.ipynb
+++ b/notebooks/spectral_classifier_gold_big/spectral_classifier_from_npy_big.ipynb