在去噪自编码器中，模型的输入是原始的输入经过某种形式的加噪过程后的衰弱的形式，所以加噪声一般分为：加高斯白噪声，掩模噪声，椒盐噪声。

1.加性高斯噪声

self.scale = tf,placeholder(dtype = tf.float32)

self.x_corrupted = tf.add(self.x, self.scale*tf.random_normal(shape = (self.n_input,)))

2.掩模噪声

self.keep_prob = tf.placeholder(dtype = tf.float32)

self.x_corrupted = tf.nn.dropout(self.x, self.keep_prob)

3.椒盐噪声

def salt_and_pepper_noise(X,v)

　　X_noise = X.copy()

　　n_features = X.shape[1]

　　mn = X.min()

　　mx = X.max()

　　for i,sample in enumerate(X):

　　　　mask = np.random.randint(0,n_features,v)

　　　　for m in mask:

　　　　　　if np.random.rand() < .5:

　　　　　　　　X_noise[i][m] = mn

　　　　　　else:

　　　　　　　　X_noise[i][m] = mx

　　　　return X_noise

讲解:

1. enumerate(X):

此函数是python内带的一个函数，它的功能就是对一个可迭代，可遍历的对象组成一个序列，可以同时获取索引和值，说白了就是将一个个列表，字符串都全都团在一起，然后呢，用这个函数可以返回其中的每个元素，并返回每个元素所在的位置坐标。

要是我们呢既想遍历元素，又要遍历索引（元素所在的位置）就可以用for 循环来实现，就像上面的椒盐噪声添加的时候一样，i就是索引（元素的位置），sample就是每个元素

2..np.random.randint(low,high,size)

这个函数看起来就很简单了，随即产生一些数，这些数是什么呢，就是在定义的最大值和最小值之间来取，那么我们取多少呢，就看size，如果是1.......n之间的数字就会产生一行n列的元素,若是类似于(1,3),(2,6)等，那么就会形成一个数组矩阵

只有low

np.random.randint(2,size = 5)

array([0,1,1,1,1])

np.random.randint(5,size = (3,4))

array([[1,2,3,4],

　　　[2,3,4,1],

　　　[2,1,4,0]])

WARNING:low的值是取不到的，若是有high,则[low,high),也就是high取不到