我正在尝试以以下方式将高斯噪声添加到我的网络的一层。
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
我遇到了错误:
valueerror:无法将部分已知的张量变形转换为张量: (?,2600,2000,1)
有时我的小匹配物需要不同的大小,因此在执行时间直到执行时间才知道input_layer张量的大小。
如果我正确理解,回答的人无法将建议将形状设置为tf.shape(input_layer)的张量转换张量。但是,当我尝试将卷积层应用于嘈杂层时,我会收到另一个错误:
valueerror:必须知道形状的昏暗,但没有
在执行时间之前,将高斯噪声添加到形状的输入层的目标是什么正确的方法?
动态获取具有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))})