训练时在图像批处理数据上添加白噪声答案

【问题标题】：Add white noise on image batch data when training训练时在图像批处理数据上添加白噪声
【发布时间】：2019-07-04 17:22:51
【问题描述】：

我正在尝试一个降噪模型，目标是打印出每批的clean/add_noise/model_output。

我正在使用 PyTorch DataLoader。每个图像都有shape = (256, 128)，并且集合 batch_size = 10，因此每个批次的大小为(10, 256, 128)。我想打印出每批的第一个数据，即batch_data[0]

每张图片都有shape = (256, 128)

我写了一个添加噪音的函数如下：

def add_noise(data, bs, target_snr, noise_type):

    if noise_type == 'white':
        noise = acoustics.generator.white(bs*256*128).reshape(bs, 256, 128)

    if noise_type == 'pink':
        noise = acoustics.generator.pink(bs*256*128).reshape(bs, 256, 128)


    print ('data shape = ', data.shape)

    average = np.mean(data)
    std = np.std(noise)
    current_snr = average/std

    noise = noise * (current_snr/ target_snr)
    data = data + noise

    return data

但是，它一直返回错误消息如下：

TypeError: mean() missing 3 required positional argument: "dim", "keepdim", "dtype"

我该如何处理？

【问题讨论】：

我的猜测是 data 是 PyTorch tensor，但您使用的是 NumPy 的 np.mean()。尝试将np.mean(data) 替换为data.mean() 并与np.std() 相同

标签： python numpy deep-learning pytorch noise

【解决方案1】：

你的data 是什么形状的？ type(data) 是什么？
您是否在 Numpy 函数中传递了 DataLoader 张量？

查看 Numpy 的 mean() 函数的 documentation，其中还包含一些示例。

该函数将 类数组 对象作为其输入（例如可以是 2d 矩阵），因此不会立即明确定义平均值。您是否需要计算矩阵中所有数据的行、列或所有数据的平均值？计算中使用的数据类型是什么？

在第一种情况下，您需要提供要展平数组的维度。在第二种情况下，它应该开箱即用，Numpy 为 “默认是计算扁平数组的平均值”，但由于您使用的是 PyTorch 的 DataLoader，它可以需要定义这些。

由于您的 average 似乎是一个数字，所以这样的东西应该可以工作

average = np.mean(data, axis=(0,1) keepdims=False)

【讨论】：

【解决方案2】：

作为原始帖子下的第一条评论。数据是 PyTorch 张量，而我用的是 Numpy 的方法。我尝试使用 torch.mean() 和 torch.std() 并且它有效。

【讨论】：