上一期，我们为大家介绍了MindSpore模型注错的方法，这期我们一起来学习下MindSpore数据集注错。

本小节主要是针对MindSpore框架数据注错的使用进行说明。数据集的故障注入主要是针对与图形相 关的模型进行注入（非图形模型不建议使用），实现原理是针对模型的训练或推理的动作进行封装，在训 练或推理过程中对数据进行注错。注错之后，与模型注错相似也会输出针对模型可靠性的评估。故障注入 后会在指定文件中输出对模型的影响评估值，输出值的具体含义如下所示：

original_acc：模型原始准确率

losses：损失精度

epoch：执行周期次数

■  推理模式下-增加 sp 噪音

■ 推理模式下-增加 gauss 高斯噪音

■ 推理模式下-增加 random 噪音

■  推理模式下-增加 speckle 斑点噪音

■  推理模式下-线性变化

■ 推理模式下-RGB 通道乱序

■ 推理模式下-新增常量数据

■  训练模式下-标签错误

■ 训练模式下-重复数据

​​​​​​​■ 训练模式下-删除部分数据

​​​​​​​

   DemonCAT故障注入方法，关于MindSpore数据集注错的部分，我们我们就先介绍到这，下期预告NPU故障模式说明，尽请期待。