tf.boolean_mask 的作用是 通过布尔值 过滤元素

 

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

tensor:被过滤的元素

mask:一堆 bool 值,它的维度不一定等于 tensor

return: mask 为 true 对应的 tensor 的元素

当 tensor 与 mask 维度一致时,return 一维

 

先看个 一维 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 与 tensor 维度不同的例子

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

 

mask 可以用一个函数代替

# 3-D
tensor = tf.constant([
                [[2,4],[4,1]],
                [[6,8],[2,1]]],tf.float32)
mask = tensor > 2        # 滤波器  mask 与 tensor 相同维度
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.]     输出一维
print(out3.shape)            # (?,)

 

shape

上面的 shape 是怎么回事呢?有如下规则

假设 tensor.rank=4(m,n,p,q),则

(1)当mask.shape=(m,n,p,q),结果返回(?,)

(2)当mask.shape=(m,n,p),结果返回(?,q),表示 q 维度没有过滤

(3)当mask.shape=(m,n),结果返回(?,p,q)

(4)当mask.shape=(m),结果返回(?,n,p,q)

 

 

参考资料:

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

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