machine-learning - Tensorflow中的加性高斯噪声

我正尝试通过以下方式将高斯噪声添加到网络的一层。

def Gaussian_noise_layer(input_layer, std):
    noise = tf.random_normal(shape = input_layer.get_shape(), mean = 0.0, stddev = std, dtype = tf.float32)
    return input_layer + noise

我收到错误消息：


  ValueError：无法将部分已知的TensorShape转换为Tensor：
  （？，2600，2000，1）


我的小批处理有时需要具有不同的大小，因此input_layer张量的大小在执行之前是未知的。

如果我理解正确，则有人回答Cannot convert a partially converted tensor in TensorFlow建议将形状设置为tf.shape（input_layer）。但是，当我尝试将卷积层应用于该嘈杂的层时，又遇到了另一个错误：


  ValueError：必须知道形状暗淡，但无


如何实现我的目标，即在执行之前将高斯噪声添加到形状未知的输入层的正确方法是什么？

最佳答案

要动态获取未知尺寸的张量的形状，您需要使用tf.shape()

例如

import tensorflow as tf
import numpy as np


def gaussian_noise_layer(input_layer, std):
    noise = tf.random_normal(shape=tf.shape(input_layer), mean=0.0, stddev=std, dtype=tf.float32)
    return input_layer + noise


inp = tf.placeholder(tf.float32, shape=[None, 8], name='input')
noise = gaussian_noise_layer(inp, .2)
noise.eval(session=tf.Session(), feed_dict={inp: np.zeros((4, 8))})