小编Dee*_*iac的帖子

我试图通过以下方式将高斯噪声添加到我的网络层.

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

我收到错误:

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

我的小批量有时需要具有不同的大小,因此在执行时间之前不会知道input_layer张量的大小.

如果我理解正确,有人回答无法在TensorFlow中转换部分转换的张量建议将形状设置为tf.shape(input_layer).然而,当我尝试将卷积层应用于该噪声层时,我得到另一个错误:

ValueError:形状的暗淡必须是已知的,但是为None

在执行时间之前,实现将高斯噪声添加到未知形状的输入层的目标的正确方法是什么？

我想进行以下简单的实验。

我正在使用 Tensorflow。我有一个大数组（5000x5000 float32 元素）。我如何测量将这个数组从 RAM 移动到 GPU 内存实际需要多长时间？

我知道我可以创建一些非常简单的计算图，运行它并测量它花费了多长时间。但这有两个问题。首先，我担心测量的时间将由计算所花费的时间决定，而不是通过从 RAM 移动数据到 GPU。其次，如果计算不涉及我提到的大数组，Tensorflow 将简化计算图，这样大数组就不会在其中，并且根本不会从 RAM 移动到 GPU。