python中tf.boolean_mask()函数的使用方法详解

python中tf.boolean_mask()函数的使用

tf.boolean_mask() 函数的作用是通过布尔值对指定的列的元素进行过滤。

语法结构

boolean_mask(tensor, mask, name="boolean_mask", axis=None)

其中，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，返回一维

1-D example

import numpy as np
import tensorflow as tf
a = [1, 2, 3, 4]
mask = np.array([True, True, False, False])   # mask 与 a 维度相同
b = tf.boolean_mask(a, mask)
 with tf.Session() as sess:
 print(sess.run(b))
 print(b.shape)

[1 2]
(?,)

2-D example

import numpy as np
import tensorflow as tf
a = [[1, 2], [3, 4], [5, 6]]
mask = np.array([True, False, True])   # mask 与 a 维度不同
b = tf.boolean_mask(a, mask)
with tf.Session() as sess:
   print(sess.run(b))
   print(b.shape)

[[1 2]
[5 6]]
(?, 2)

3-D example

import numpy as np
import tensorflow as tf
a = tf.constant([
       [[2, 4], [4, 1]],
       [[6, 8], [2, 1]]], tf.float32)
mask = a > 2   # mask 与 a 维度相同
b = tf.boolean_mask(a, mask)
with tf.Session() as sess:
    print(sess.run(a))
    print(sess.run(mask))
    print(sess.run(b))
    print(b.shape)

[[[2. 4.]
[4. 1.]]

[[6. 8.]
[2. 1.]]]

[[[False True]
[ True False]]

[[ True True]
[False False]]]

[4. 4. 6. 8.]
(?,)

上面的shape有如下的规则： 假设 tensor.rank=4，维度为（m，n，p，q）,则

(1)当mask.shape=(m，n，p，q)，结果返回（？，），表示所有维度都被过滤

(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），表示 p，q 维度没有过滤

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

tensorflow 使用一种叫tensor的数据结构去展示所有的数据，我们可以把tensor看成是n维的array或者list。在tensorflow的各部分图形间流动传递的只能是tensor。

tensorflow用3种方式描述一个tensor的维数：rank、shape、dimension number (维数)，所以shape和rank的意思的一样的，只是表达的形式不同。

到此这篇关于python中tf.boolean_mask()函数的使用方法详解的文章就介绍到这了,更多相关python的tf.boolean_mask()函数内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！