Tensorflow 去噪自动编码器-在自定义间隔上使用附加噪声进行训练

我想了解去噪自动编码器。我遵循了keras教程-

在本教程中，通过以下方式添加人工噪波来创建训练数据：

x_train_noisy = x_train + noise_factor * np.random.normal(loc=0.0, scale=1.0, size=x_train.shape) 
x_test_noisy = x_test + noise_factor * np.random.normal(loc=0.0, scale=1.0, size=x_test.shape) 

产生：

这意味着噪波以及来自MINST数据集的基础数据的值介于0和1之间

应用经过训练的模型后，大部分噪声都已正确消除：

---

我试图在人工噪声非常小的情况下训练模型，但间隔为-5到5，如下所示：

def noise_matrix(arr, num, min, max):
    m = np.product(arr.shape)
    arr.ravel()[np.random.randint(0, m, size=num)] = np.random.uniform(min, max, num)
    return arr

x_train_noisy = noise_matrix(x_train, x_train.shape[0] * 2, -5, 5)
x_test_noisy = noise_matrix(x_test, x_test.shape[0] * 2, -5, 5)

产生：

（上图中对比度的差异是由

matplotlib

库中的隐式标准化引起的）

现在，当我训练自动编码器并应用模型时，我得到以下结果：

---

大部分噪音没有消除。要从间隔

（-5,5）

中去除噪声，我需要执行哪些步骤？在向间隔

（0,1）

添加噪声后，我尝试对所有数据进行规范化，但这不是方法（我用这种方法得到了非常糟糕的结果）。

解码图像仍然有明显的噪声。由于您没有提供用于安装自动编码器的代码，我猜您正在将其安装到有噪数据

ae.fit（x=x_有噪，y=x_有噪）

， 鉴于您应该在原始数据上进行拟合：

ae.fit(x=x_noised, y=x_original)

---

解码后的图像仍然有明显的噪声。由于您没有提供用于安装自动编码器的代码，我猜您正在将其安装到有噪数据

ae.fit（x=x_有噪，y=x_有噪）

， 鉴于您应该在原始数据上进行拟合：

ae.fit(x=x_noised, y=x_original)