Python tf.boolean_mask用法及代码示例

将布尔掩码应用于张量。

用法

tf.boolean_mask(
    tensor, mask, axis=None, name='boolean_mask'
)

Numpy 等价物是 tensor[mask] 。

通常，0 < dim(mask) = K <= dim(tensor) 和 mask 的形状必须与 tensor 的形状的前 K 个维度匹配。然后我们有： boolean_mask(tensor, mask)[i, j1,...,jd] = tensor[i1,...,iK,j1,...,jd] 其中 (i1,...,iK) 是 mask 的第 i 个 True 条目(行主要顺序)。 axis 可以与 mask 一起使用来指示要屏蔽的轴。在这种情况下，axis + dim(mask) <= dim(tensor) 和 mask 的形状必须与 tensor 的形状的第一个 axis + dim(mask) 尺寸相匹配。

另请参阅：tf.ragged.boolean_mask，它可以应用于密集和参差不齐的张量，如果您需要保留 tensor 的掩码尺寸(而不是像 tf.boolean_mask 那样将它们展平)，可以使用它。

例子：

tensor = [0, 1, 2, 3]  # 1-D example
mask = np.array([True, False, True, False])
tf.boolean_mask(tensor, mask)
<tf.Tensor:shape=(2,), dtype=int32, numpy=array([0, 2], dtype=int32)>

tensor = [[1, 2], [3, 4], [5, 6]] # 2-D example
mask = np.array([True, False, True])
tf.boolean_mask(tensor, mask)
<tf.Tensor:shape=(2, 2), dtype=int32, numpy=
array([[1, 2],
       [5, 6]], dtype=int32)>

例子：

# 2-D example
tensor = [[1, 2], [3, 4], [5, 6]]
mask = np.array([True, False, True])
boolean_mask(tensor, mask)  # [[1, 2], [5, 6]]