如何将Keras-高斯噪声添加到图像数据

Question

导入模块：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import tensorflow as tf
from tensorflow.keras.layers import GaussianNoise
from tensorflow.keras.datasets import mnist

(X_train, y_train), (X_test, y_test) = mnist.load_data()

重新缩放数据

X_train = X_train/255
X_test = X_test/255
plt.imshow(X_train[0])

使用std dev = 0.2添加高斯噪声

sample = GaussianNoise(0.2)
noisey = sample(X_test[0:2],training=True)   #plt.imshow(noisey[0])

获取错误：

ValueError: Tensor conversion requested dtype float64 for Tensor with dtype float32: 'Tensor("gaussian_noise_4_1/random_normal:0", shape=(2, 28, 28), dtype=float32)'

Answer 1

类型转换非常昂贵，因此Tensorflow不会执行自动类型转换。默认情况下，Tensorflow的dtype为float32，而导入的数据集的dtype为float64。您只需将可选的dtype参数传递给GaussianNoise：

sample = GaussianNoise(0.2, dtype=tf.float64)

或强制转换数组：

noisey = sample(X_test[0:2].astype(np.float32),training=True)

您可以通过许多不同的方式执行此操作：重要的是它们必须协调一致。

Answer 2

我在Jupyter Notebook的本地主机中尝试了此操作，以下是带有警告的结果。

从警告中可以明显看出类型转换的问题非常昂贵。 您可以将其改进为：

X_train = X_train.astype('float32') / 255

X_test = X_test.astype('float32') / 255