Tensorflow中的masking和padding
71 浏览量
2020-12-22
14:55:52
上传
评论
收藏 42KB PDF 举报
Tensorflow中的中的masking和和padding
声明：
需要读者对tensorflow和深度学习有一定了解
tf.boolean_mask实现类似实现类似numpy数组的数组的mask操作操作
Python的numpy array可以使用boolean类型的数组作为索引，获得numpy array中对应boolean值为True的项。示例如下：
# numpy array中的boolean mask
import numpy as np
target_arr = np.arange(5)
print "numpy array before being masked:"
print target_arr
mask_arr = [True, False, True, False, False] masked_arr = target_arr[mask_arr] print "numpy array after being masked:"
print masked_arr
运行结果如下：
numpy array before being masked:
[0 1 2 3 4] numpy array after being masked:
[0 2]
tf.boolean_maks对目标tensor实现同上述numpy array一样的mask操作，该函数的参数也比较简单，如下所示：
tf.boolean_mask(
tensor, # target tensor
mask, # mask tensor
axis=None,
name='boolean_mask'
)
下面，我们来尝试一下tf.boolean_mask函数，示例如下：
import tensorflow as tf
# tensorflow中的boolean mask
target_tensor = tf.constant([[1, 2], [3, 4], [5, 6]])
mask_tensor = tf.constant([True, False, True])
masked_tensor = tf.boolean_mask(target_tensor, mask_tensor, axis=0)
sess = tf.InteractiveSession()
print masked_tensor.eval()
mask tensor中的第0和第2个元素是True，mask axis是第0维，也就是我们只选择了target tensor的第0行和第1行。
[[1 2] [5 6]]
如果把mask tensor也换成2维的tensor会怎样呢？
mask_tensor2 = tf.constant([[True, False], [False, False], [True, False]])
masked_tensor2 = tf.boolean_mask(target_tensor, mask_tensor, axis=0)
print masked_tensor2.eval()
[[1 2] [5 6]]
我们发现，结果不是[[1], [5]]。tf.boolean_mask不做元素维度的mask，tersorflow中有tf.ragged.boolean_mask实现元素维度的
mask。
tf.ragged.boolean_mask
tf.ragged.boolean_mask(
data,
mask,
name=None
)
tensorflow中的中的sparse向量和向量和sparse mask
tensorflow中的sparse tensor由三部分组成，分别是indices、values、dense_shape。对于稀疏张量SparseTensor(indices=[[0, 0],
评论0