如何在 python 中向 Mnist 数据集添加 50% 的随机正常噪声

Question

我正在尝试根据一篇按百分比添加噪声的文章来使 MNIST 数据集变得嘈杂。我不知道如何计算添加到图像中的噪声百分比。

这是我的 Python 代码：

from keras.datasets import mnist
import numpy as np

(X_train, y_train), (X_test, y_test) = mnist.load_data()
X_train = X_train.astype('float32')
X_test = X_test.astype('float32')
X_train /= 255
X_test /= 255
noise_factor = 0.5
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) 
x_train_noisy = np.clip(x_train_noisy, 0., 1.)
x_test_noisy = np.clip(x_test_noisy, 0., 1.)

1.这个噪音的百分比是50%吗（基于noise_factor）？噪声因子可以告诉我们百分比吗？

2.还有其他方法可以用百分比添加噪音吗？

3.确定性分布和非随机性是一回事吗？我看到一篇文章，他们根据确定性分布添加了百分比噪声，但寻找它却一无所获。

Answer 1

1. 噪声不是以百分比表示的。通常，您从标准正态分布中提取噪声并将其乘以一个因子（在您的情况下，它是 0.5）

2. 在处理百分比时，您需要指定相对于 what 的百分比。如果你有，那么你可以从那里随机抽取（但我在实践中没有看到它）。

3. 提供更多信息，但如果某些东西是确定性的，则意味着它不是随机的。通过指定种子值可以使随机模型具有确定性，但这通常是为了在实验之间产生完全相同的随机值。