噪声层Noise
GaussianNoise层
keras.layers.noise.GaussianNoise(stddev)
为数据施加0均值，标准差为stddev的加性高斯噪声。该层在克服过拟合时比较有用，你可以将它看作是随机的数据提升。高斯噪声是需要对输入数据进行破坏时的自然选择。
因为这是一个起正则化作用的层，该层只在训练时才有效。
参数
- stddev：浮点数，代表要产生的高斯噪声标准差
输入shape
任意，当使用该层为模型首层时需指定input_shape参数
输出shape
与输入相同
GaussianDropout层
keras.layers.noise.GaussianDropout(rate)
为层的输入施加以1为均值，标准差为sqrt(rate/(1-rate)的乘性高斯噪声
因为这是一个起正则化作用的层，该层只在训练时才有效。
参数
- rate：浮点数，断连概率，与Dropout层相同
输入shape
任意，当使用该层为模型首层时需指定input_shape参数
输出shape
与输入相同
参考文献
AlphaDropout
keras.layers.noise.AlphaDropout(rate, noise_shape=None, seed=None)
对输入施加Alpha Dropout
Alpha Dropout是一种保持输入均值和方差不变的Dropout，该层的作用是即使在dropout时也保持数据的自规范性。 通过随机对负的饱和值进行激活，Alphe Drpout与selu激活函数配合较好。
参数
- rate: 浮点数，类似Dropout的Drop比例。乘性mask的标准差将保证为
sqrt(rate / (1 - rate)). - seed: 随机数种子
输入shape
任意，当使用该层为模型首层时需指定input_shape参数
输出shape
与输入相同