基于Theano的深度学习(Deep Learning)框架Keras学习随笔-18-Noise Layers

       
本博客来自CSDN：http://blog.csdn.net/niuwei22007/article/details/49406635

        本篇介绍的内容主要是给输入数据加入高斯噪声的。高斯噪声是指噪声数据服从高斯分布。一般图像处理都是用高斯噪声过滤器进行过滤，而此处加入噪声是为了防止过拟合现象。

一、GaussianNoise

keras.layers.noise.GaussianNoise(sigma)

        将以0为中心，标准差是sigma的高斯噪音数据加到输入数据中。这样是为了减轻过拟合现象，可以理解为给输入加上一个很小的随机数。加入高斯噪声对于真实的输入值来说是很自然的一种处理。只有在训练时才有效。

        inputshape: 任意。当把该层作为模型的第一层时，必须使用该参数（是一个整数元组，不包括样本维度）

        outputshape: 同input shape一样。

        参数：

sigma: float。噪声分布的标准差。

二、GaussianDropout

keras.layers.noise.GaussianDropout(p)

        将以1为中心，标准差是sqrt(p/(1-p))的高斯噪音数据乘到输入数据中。p指的是减少比率，同Dropout中的p是一样的。只有在训练时才有效。

        inputshape: 任意。当把该层作为模型的第一层时，必须使用该参数（是一个整数元组，不包括样本维度）

        outputshape: 同input shape一样。

        参数：

p: float。Dropout的减少率。

参考资料：

官方教程