训练时在图像批次数据上添加白噪声

Question

我正在尝试一个去噪模型，目标是打印出每一批的clean/ add_noise/ model_output。

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

每个镜像都有shape = (256, 128)

我已经编写了一个函数来添加噪声，如下所示：

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，它会保留如下的返回错误消息：

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

我该如何处理这个问题呢？

Answer 1

你的data是什么形状的？这是什么？type(data)

您是否在Numpy函数中传递了一个DataLoader张量？

看看Numpy的mean()函数的documentation，其中也包含一些示例。

该函数接受一个类似数组的对象作为其输入(例如，可能是2d Matrix )，因此均值不是立即明确定义的。您是否需要计算矩阵中行、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，您需要提供想要展平数组的维度。在第二种情况下，它应该开箱即用Numpy，因为“默认值是计算扁平化数组的平均值”，但由于您使用的是PyTorch的DataLoader，因此可能需要定义这些。

由于您的average看起来是一个数字，下面这样的代码应该可以工作

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

Answer 2

作为原始帖子下的第一条评论。数据是PyTorch张量，而我使用的是Numpy方法。我试着使用torch.mean() & torch.std()，它很有效。