tf.boolean_mask

tf.boolean_mask 的作用是 通過布爾值 過濾元素

 

def boolean_mask(tensor, mask, name="boolean_mask", axis=None):
  """Apply boolean mask to tensor.

tensor：被過濾的元素

mask：一堆 bool 值，它的維度不一定等於 tensor

return： mask 為 true 對應的 tensor 的元素

當 tensor 與 mask 維度一致時，return 一維

 

先看個 一維 例子

# 1-D example
tensor = [0, 1, 2, 3]
mask = np.array([True, False, True, False])
out = tf.boolean_mask(tensor, mask)
print(sess.run(out))   # [0, 2]
print(out.shape)        # (?,)

 

再看看 mask 與 tensor 維度不同的例子

tensor = [[1, 2], [3, 4], [5, 6]]
mask = np.array([True, False, True])        # mask 與 tensor 維度不同
out2 = tf.boolean_mask(tensor, mask)
print(sess.run(out2))       # [[1, 2], [5, 6]]
print(out2.shape)           # (?, 2)

 

mask 可以用一個函數代替

# 3-D
tensor = tf.constant([
                [[2,4],[4,1]],
                [[6,8],[2,1]]],tf.float32)
mask = tensor > 2        # 濾波器  mask 與 tensor 相同維度
out3 = tf.boolean_mask(tensor, mask)
print(sess.run(tensor))
print(sess.run(mask))       # [[[False  True] [ True False]]
                            # [[ True  True] [False False]]]
print(sess.run(out3))        # [4. 4. 6. 8.]     輸出一維
print(out3.shape)            # (?,)

 

shape

上面的 shape 是怎么回事呢？有如下規則

假設 tensor.rank=4（m,n,p,q）,則

(1)當mask.shape=(m,n,p,q)，結果返回（？，）

(2)當mask.shape=(m,n,p)，結果返回（？，q），表示 q 維度沒有過濾

(3)當mask.shape=(m,n)，結果返回（？，p，q）

(4)當mask.shape=(m)，結果返回（？，n，p，q）

 

 

參考資料：

https://blog.csdn.net/qq_29444571/article/details/84574526

https://www.w3cschool.cn/doc_tensorflow_python/tensorflow_python-tf-boolean_mask.html