Question

我正在尝试一个降噪模型，目标是打印出每批次clean / add_noise / model_output。

我正在使用PyTorch DataLoader。每个图像都有shape = (256, 128)， batch_size = 10，因此每个批次的大小为(10, 256, 128)。我想打印出每批的第一批数据，即batch_data[0]

每个图像都有shape = (256, 128)

我编写了一个添加噪声的函数，如下所示：

def add_noise(data, bs, target_snr, noise_type):

    if noise_type == 'white':
        noise = acoustics.generator.white(bs*256*128).reshape(bs, 256, 128)

    if noise_type == 'pink':
        noise = acoustics.generator.pink(bs*256*128).reshape(bs, 256, 128)


    print ('data shape = ', data.shape)

    average = np.mean(data)
    std = np.std(noise)
    current_snr = average/std

    noise = noise * (current_snr/ target_snr)
    data = data + noise

    return data

但是，它保持如下所示的返回错误消息：

TypeError: mean() missing 3 required positional argument: "dim", "keepdim", "dtype"

我应该如何处理？

Answer 1

您的data的形状是什么？ type(data)是什么？
您是否在Numpy函数中传递了DataLoader张量？

看看Numpy的mean()函数的documentation，其中还包含一些示例。

该函数将类似 array 的对象作为其输入（例如，可以是2d矩阵），因此均值不能立即明确定义。您是否需要计算行，列或矩阵中所有数据的均值？计算中使用的数据类型是什么？

在第一种情况下，您需要提供要展平数组的尺寸。在第二种情况下，它应该开箱即用，将Numpy设为“默认是计算平整数组的均值” ，但是由于您使用的是PyTorch的{{1}}，它可能需要定义它们。

由于您的DataLoader似乎是数字，因此类似的操作应该有效

average

Answer 2

作为原始帖子下的第一条评论。数据是PyTorch张量，而我使用的是Numpy方法。我尝试使用torch.mean()和torch.std()，它可以正常工作。

训练时在图像批处理数据上添加白噪声

2 个答案: