如何在python中将50％随机法线噪声添加到Mnist数据集

Question

我正在根据一篇文章，其中噪声是按百分比添加的，从而使MNIST数据集嘈杂。我不知道如何计算添加到图像中的噪点百分比。

这是我的Python代码：

from keras.datasets import mnist
import numpy as np

(X_train, y_train), (X_test, y_test) = mnist.load_data()
X_train = X_train.astype('float32')
X_test = X_test.astype('float32')
X_train /= 255
X_test /= 255
noise_factor = 0.5
x_train_noisy = X_train + noise_factor * np.random.normal(loc=0.0, scale=1.0, size=X_train.shape) 
x_test_noisy = X_test + noise_factor * np.random.normal(loc=0.0, scale=1.0, size=X_test.shape) 
x_train_noisy = np.clip(x_train_noisy, 0., 1.)
x_test_noisy = np.clip(x_test_noisy, 0., 1.)

1。此噪声的百分比是否为50％（基于noise_factor）？噪声因子可以显示百分比吗？

2。是否还有其他方法可以按百分比添加噪声？

3。确定性分布和非随机性相同吗？我看到了一篇文章，他们在确定性分布的基础上添加了一定百分比的噪声，但没有找到任何东西。

Answer 1

1. 噪声不是百分比。通常，您从标准正态分布中提取噪声，然后将其乘以一个因子（在您的情况下为0.5）

2. 每当处理百分比时，您都需要指定关于内容的百分比。如果有，那么您可以从那里随机绘制（但是我在实践中还没有看到它）。

3. 提供更多信息，但是如果确定性是确定的，则表示它不是随机的。通过指定种子值可以使随机模型具有确定性，但这通常是在两次实验之间产生完全相同的随机值。