Question

我正在使用张量流编码去噪自动编码器功能（这有点长，所以我不会发布整个代码）并且每件事情都运行良好，除非我在批处理中添加掩蔽噪声

掩蔽噪声只是将特征的随机比例设为0。所以问题就是在矩阵中取一些值为0.（如果我有一个np.array用于exepmle那么琐碎）

所以我看，如果它是一个tf.variable，由于tf.scatter_update（），如何修改矩阵的一个元素但是当我尝试使用占位符时，它会引发错误：“TypeError：'ScatterUpdate'Op要求输入'ref'是一个可变的张量” 这有点问题

我可以通过在执行编码例程之前向批处理添加噪声来解决这个问题（我会处理np.array而不是tf.placeholder）但我发现这个问题有点令人沮丧......

def bruit_MN(x,p=0.5):
l,c = x.shape
nbr = int(ceil(p*int(c))) #proportion of features to block
for i in range(l):
    temp = np.zeros(c)
    for j in range(nbr):
        u = randint(0,c-1)
        if temp[u]==0:
            aux=tf.Variable(initial_value=x[i])
            indices=tf.constant([u])
            new_value=tf.constant([0.0])
            aux=tf.scatter_update(aux,indices,new_value)
            x=tf.scatter_update(x,i,aux)
            temp[u] = 1
        else:
            j = j-1
return x

ps：也许代码不是最优的我不能很好地控制随机函数

感谢您的关注!!

Answer 1

最简单的方法是在TensorFlow图形之外创建噪声，正常模拟自动编码器，然后在训练时将损坏的输入和预期输出（清洁输入）提供给图形占位符。

不可变张量的一个属性是它们是不可变的，所以你不能只取一个张量的值并像一个numpy数组那样修改它。要使用分散更新，您需要一个缓冲变量来操作，您可以使用但我会使用第一个选项或以下选项：

如果您想要屏蔽噪音，可以使用dropout;
对于高斯噪音，您可以使用random_normal。

如果你真的需要更新一个不可变张量我做了这两个函数，它们采用稀疏张量和更新，并分别修改给定的稀疏或密集张量。你可以得到它here。

是tensorflow中占位符的scatter_update（）

1 个答案: