tf.boolean_mask

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

Numpy等价是张量[掩模]。

# 1-D example
tensor = [0, 1, 2, 3]
mask = np.array([True, False, True, False])
boolean_mask(tensor, mask)  # [0, 2]

一般情况下，0 < dim(mask) = K <= dim(张量)，而mask的形状必须与张量形状的第一个K维匹配。然后我们有:boolean_mask(张量，掩码)[i, j1，…,jd] =张量(i1,…,反向,j - 1,…其中(i1，…，iK)是mask (row-major order)的第i个真实条目。轴可以与遮罩一起使用，以指示要遮罩的轴。在这种情况下，轴+ dim(掩模)<= dim(张量)和掩模形状必须匹配张量形状的第一个轴+ dim(掩模)维数。还请参见:tf.ragged.boolean_mask，它可以应用于稠密张量和不规则张量，如果需要保留张量的掩码维(而不是像tf.boolean_mask那样将它们压扁)，可以使用它。

参数：

• tensor:一天张量。
• mask:K- d布尔张量，K <= N, K必须静态已知。
• axis:一个0-D int张量，表示要掩模的张量中的轴。默认情况下，axis为0，它将屏蔽第一个维度。否则K +轴<= N。
• name:此操作的名称(可选)。

返回值：

• (N-K+1)-维张量，由掩模中与真值对应的张量中的项组成。

可能产生的异常：

• ValueError: If shapes do not conform.

例：

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