我正在尝试一种去噪模型,目标是打印出每批次的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
,因此每批都有(10, 256, 128)
大小。我想打印出每批的第一批数据,即batch_data[0]
每张图片都有shape = (256, 128)
我写了一个添加噪音的功能如下:
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,它会保留返回错误消息,如下所示:
TypeError: mean() missing 3 required positional argument: "dim", "keepdim", "dtype"
我应该怎么处理这个?
你的data
的形状是什么?什么是type(data)
?
你在Numpy功能中传递DataLoader
Tensor吗?
看看documentation的Numpy的mean()
函数,其中也包含一些例子。
该函数采用类似数组的对象作为其输入(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,您需要提供要展平阵列的尺寸。在第二种情况下,它应该与Numpy开箱即用,“默认是计算扁平数组的平均值”,但由于你正在使用PyTorch的DataLoader
,它可能需要定义它们。
由于你的average
似乎是一个数字,这样的事情应该有效
average = np.mean(data, axis=(0,1) keepdims=False)
作为原帖下的第一条评论。数据是PyTorch张量,而我使用的是Numpy的方法。我尝试使用torch.mean()
和torch.std()
,它的工作原理。