pytorch在图片张量中怎么添加高斯噪声

可以使用`torch.randn()`函数生成高斯分布的噪声张量，然后将其加到原始图片张量上即可。

以下是一个示例代码：

import torch
import torchvision.transforms.functional as TF

def add_gaussian_noise(img_tensor, mean=0, std=1):
    noise = torch.randn(img_tensor.size()) * std + mean
    noisy_image = img_tensor + noise
    return noisy_image

# 读取图片并转换成张量
img = Image.open("example.jpg")
img_tensor = TF.to_tensor(img)

# 添加高斯噪声
noisy_img_tensor = add_gaussian_noise(img_tensor, mean=0, std=0.1)

# 将张量转换回图片并保存
noisy_img = TF.to_pil_image(noisy_img_tensor)
noisy_img.save("example_noisy.jpg")

在上述示例中，`add_gaussian_noise()`函数接收一个图片张量作为输入，以及高斯分布的均值和标准差。它使用`torch.randn()`函数生成一个与图片张量大小相同的张量，并将其乘以标准差后加上均值，得到一个高斯分布的噪声张量。最后，将噪声张量与原始图片张量相加，得到一个带有高斯噪声的图片张量。