我试图以如下方式向网络的一层添加高斯噪声。

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

我遇到了以下错误：

ValueError: 无法将部分已知的TensorShape转换为Tensor: (?, 2600, 2000, 1)

我的小批量数据有时需要不同的大小，因此input_layer张量的大小在执行时才会知道。

如果我理解正确的话，有人回答在TensorFlow中无法转换部分转换的张量时建议将shape设置为tf.shape(input_layer)。然而，当我尝试将卷积层应用到该噪声层时，我又遇到了另一个错误：

ValueError: shape的维度必须已知，但为None

在执行时间之前形状未知的情况下，向输入层添加高斯噪声的正确方法是什么？

回答：

要动态获取具有未知维度的张量的形状，您需要使用tf.shape()

例如

import tensorflow as tfimport numpy as npdef 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 + noiseinp = 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))})