Machine learning 张量流中的加性高斯噪声

我正试图通过以下方式将高斯噪声添加到我的网络层中

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

我得到了一个错误：

ValueError:无法将部分已知的张量形状转换为张量： （？，2600，2000，1）

我的小批量有时需要有不同的大小，因此输入层张量的大小直到执行时才知道

如果我理解正确，有人建议将shape设置为tf.shape（input_layer）。然而，当我尝试将卷积层应用于该噪声层时，我得到另一个错误：

ValueError:形状的dims必须已知，但不为空

---

在执行之前，向未知形状的输入层添加高斯噪声的正确方法是什么？

要动态获取未知尺寸张量的形状，需要使用

tf.shape（）

比如说

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))})

---

在

tensorflow

2.0.0中，您需要将

tf.random\u normal

替换为

tf.random.normal

。