导入模块:import pandas as pdimport numpy as npimport matplotlib.pyplot as pltimport tensorflow as tffrom tensorflow.keras.layers import GaussianNoisefrom 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/255X_test = X_test/255plt.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)'
2 回答

繁花不似锦
TA贡献1851条经验 获得超4个赞
类型转换成本很高,因此 Tensorflow 不进行自动类型转换。默认情况下,Tensorflow 的数据类型是float32
,而您导入的数据集的数据类型是float64
。您只需将可选的 dtype 参数传递给GaussianNoise
:
sample = GaussianNoise(0.2, dtype=tf.float64)
或者投射数组:
noisey = sample(X_test[0:2].astype(np.float32),training=True)
我建议第二个。

慕莱坞森
TA贡献1810条经验 获得超4个赞
我在我的本地主机上为 Jupyter Notebook 尝试了这个,以下是带有警告的结果。
从警告中可以清楚地看出类型转换的问题是非常昂贵的。您可以将其改进为:
X_train = X_train.astype('float32') / 255
X_test = X_test.astype('float32') / 255
添加回答
举报
0/150
提交
取消