获取给定张量的掩码
是指对一个张量进行处理，将其中的某些元素标记为掩码值，而其他元素保持不变。掩码的目的是指示在对张量进行某些操作时应该忽略的元素。
在深度学习中，获取给定张量的掩码常用于处理变长序列数据。例如，在自然语言处理任务中，文本序列的长度可能不同，为了进行批处理操作，我们需要对长度不同的序列进行对齐，而忽略掉多余的元素。这时，可以使用掩码来指示哪些元素是有效的，哪些元素是填充的。
另外，在计算机视觉任务中，也可以使用掩码来标记感兴趣的区域。例如，在图像分割任务中，可以使用掩码来指示图像中每个像素是否属于目标对象。
以下是一些常见的获取给定张量的掩码的方法：
- 填充掩码（Padding Mask）：在对不定长序列进行处理时，常常需要对序列进行填充，使其具有相同的长度。在此过程中，可以使用填充掩码来标记哪些元素是填充的。填充掩码通常是一个与输入张量形状相同的二进制矩阵，其中填充的位置为1，其他位置为0。
- 布尔掩码（Boolean Mask）：布尔掩码是一个与输入张量形状相同的布尔矩阵，其中某些元素被标记为True，表示需要保留的位置，其他元素为False，表示需要忽略的位置。布尔掩码可以通过对输入张量进行逻辑运算得到。
- 位置掩码（Position Mask）：位置掩码是一个与输入张量形状相同的矩阵，其中每个元素表示对应位置的元素是否需要保留。位置掩码可以根据具体的任务需求来定义，例如根据元素的索引、数值大小等进行判断。
对于获取给定张量的掩码，腾讯云提供了一些相关产品和服务：
- 腾讯云自然语言处理（NLP）平台：腾讯云NLP平台提供了一系列文本处理的功能，包括对变长序列的处理和掩码生成。您可以参考腾讯云NLP平台的产品介绍页面（https://cloud.tencent.com/product/nlp）了解更多信息。
- 腾讯云图像处理服务：腾讯云的图像处理服务提供了图像分割等功能，可以用于生成图像掩码。您可以参考腾讯云图像处理服务的产品介绍页面（https://cloud.tencent.com/product/tip）了解更多信息。
请注意，以上只是腾讯云在云计算领域的一部分产品和服务，还有许多其他功能和服务可供选择。
相关·内容
任何将一个张量合并到另一个张量的有效方法，但是在特定索引上。
这是我的全部问题。
我在下面的代码中列出了一个tensor的索引，xy是原始张量。我需要保留xy的行(那些列在索引列表中的行)，并对那些索引以外的元素应用一些函数(简单地说，函数是‘用2乘以它们)，
xy = torch.rand(100,4)
indexes=[1,2,55,44,66,99,3,65,47,88,99,0]
然后把它们合并回原来的张量。
这就是我迄今为止所做的:我创建了一个面具张量。
indexes=[1,2,55,44,66,99,3,65,47,88,99,0]
xy = torch.rand(100,4)
浏览 2提问于2022-01-14得票数 3
回答已采纳
根据https://pytorch.org/docs/stable/generated/torch.nn.TransformerDecoder.html，正向函数 of nn.TransformerDecoder考虑了以下论点：
tgt -译码器的序列(必需)。
内存-编码器最后一层的序列(必需)。
tgt_mask - tgt序列的掩码(可选)。
memory_mask -内存序列的掩码(可选)。
tgt_key_padding_mask -每批tgt密钥的掩码(可选)。
memory_key_padding_mask -每批内存键的掩码(可选)。
不幸的是，Pytorch关于这个函数的官方
浏览 0提问于2021-04-25得票数 3
回答已采纳
我正试着做姿势调节的脸生成。其思想是使用一个自动编码网络，它将图像作为输入和包含姿态信息的条件向量，这样生成的图像就以条件向量为条件。
为了使用MSE计算损失，我使用人脸地标检测库生成预测图像的人脸标志。不幸的是，在早期，网络会产生混淆，而脸地标检测库返回None，而不是256 x 256 x 3格式的预期张量，其中像素值表示地标的存在。
我想做的是忽略计算损失时，没有发现脸。
示例--假设我的批处理是表单-> 10 x 256 x 256 x 3，其中10是batch_size，256x256是带有3通道的图像的维数。对于预测，让我们假设不可能为批处理中的3幅图像生成任何地标。我可以将
浏览 3提问于2022-06-26得票数 0
回答已采纳
1回答
这是代码：
real_idx = torch.rand(len(real)) > 0.2
real_selected = real[real_idx][: int(len(real)*p_real)]
p_real实际上是0.2
我们应该混合两个张量，即真张量和假张量。
浏览 1提问于2021-02-26得票数 0
回答已采纳
假设我有一个张量a和一个张量b import torch
a = torch.tensor([[[ 0.8856, 0.1411, -0.1856, -0.1425],
[-0.0971, 0.1251, 0.1608, -0.1302],
[-0.0901, 0.3215, 0.1763, -0.0412]],
[[ 0.8856, 0.1411, -0.1856, -0.1425],
[-0.0971, 0.1251, 0.1608, -0.1302],
[-0.0901, 0.3215, 0.1763, -0.0412]]]
浏览 8提问于2020-03-26得票数 0
回答已采纳
1回答
给定类型为a, b, c, d 4的tf.int和[1]张量，获得张量X的最简单方法是：
X有形状[h, w]，
X在任何地方都是0，除了行( a < b )和列( c < d )之间，它等于1。
浏览 0提问于2018-03-11得票数 0
回答已采纳
1回答
选择性迭代张量
、、、、
我目前正在构建一个带有Keras的CNN，并且需要定义一个自定义的丢失函数。我只想考虑我的数据在损失中的特定部分，而忽略基于某个参数值的其他部分。但是，我在遍历Keras丢失函数所期望的张量对象时遇到了困难。
是否有一种简单的方法来计算两个张量之间的均方误差，只查看张量？中选定的值。
例如，在我的例子中，每个张量表示一个2D 16x16网格，每个单元有两个参数--形状(16，16，2)。我只想比较其中一个参数等于1的单元格。
浏览 0提问于2017-03-23得票数 0
我有一个形状为(60, 3, 32, 32)的张量和一个形状为(60, 32, 32)的布尔掩码。我想把这个掩码应用到张量上。输出张量应具有形状(60, 3, 32, 32)，如果掩码为1，则值保持不变，否则为0。我怎么才能这么快呢？
浏览 16提问于2021-04-27得票数 1
回答已采纳
1回答
Keras附带的平均层已经支持掩码，然而，查看平均层的源代码，我不清楚如何以及是否应用掩码。
我有一个输入列表，每个输入都有自己的掩码(例如，来自嵌入层)。我想要的平均图层应该取那些未被屏蔽的输入的平均值。换句话说，如果一个输入被屏蔽了，它在计算的平均值中不应该有任何发言权。如果所有输入都被屏蔽，那么输出就会被屏蔽并传递到下一层。
一个相关的问题是，该库附带的平均层仅支持输入列表的合并函数。是否有库支持沿特定维度合并张量？是否有可能将张量分割成一系列输入，以馈送到平均层中？如果不是，如何在存在掩蔽的情况下沿某个维度获取张量的平均值？
我倾向于编写一个自定义平均层来计算掩码并在计算输出时使用掩码
浏览 2提问于2019-10-21得票数 1
我有张量，比如说
A = tensor([
[0, 0],
[0, 2],
[0, 3],
[0, 4],
[0, 5],
[0, 6],
[1, 0],
[1, 1],
[1, 4],
[1, 5],
[1, 6]
])
另一个张量
b = tensor([[0, 2], [1, 2]])
我希望找到一种有效的方法将A
浏览 5提问于2022-06-18得票数 0
我想创建一个函数，对于给定的1d，-tensor输出掩码，在位置上，对应于最上面的k值，在其他地方有1和0。也就是说，举例来说，我有： tensor = [1, 0, 7, 5, 2, 3] : get_largest_mask(tensor, 3) = [0, 0, 1, 1, 0, 1] 我创建了以下函数： def get_largest_mask(tensor, n_to_keep):
# tensor 1-d tensor
values, indices = tf.math.top_k(tensor, k=n_to_keep)
mask = tf.zeros
浏览 15提问于2021-04-20得票数 1
回答已采纳
10回答
我用Tensorflow和skflow创建神经网络；出于某种原因，我想得到给定输入的一些内部张量的值，所以我使用myClassifier.get_layer_value(input, "tensorName")，myClassifier是一个skflow.estimators.TensorFlowEstimator。
但是，我发现很难找到张量名称的正确语法，甚至知道它的名称(而且我在操作和张量之间感到困惑)，所以我使用张量板来绘制图形并查找名称。
有没有一种不使用张量板来枚举图中所有张量的方法？
浏览 9提问于2016-04-27得票数 141
回答已采纳
1回答
我使用两个兼容的张量调用tensorflow.boolean_mask，但是这个维度不是这样的：
for m in range(self.class_dim):
labels_m = loop_labels[m]
mask_m = mask[m]
labels_m = tf.boolean_mask(labels_m, mask_m)
这两个输入([512])的尺寸都匹配，但是一旦我调用boolean_mask，输出就是一个包含219个元素的张量，但是维数是[2]。是什么导致了这种行为？输出形状应为219。
浏览 4提问于2022-04-23得票数 0
2回答
我想扁平，任何一般的n维torch.Tensor，但以计算优化的方式。(这里所说的“扁平”，意思是将给定的张量转换为一维张量，其元素数与给定的向量相同。)我目前正在使用以下步骤来这样做：
local original_tensor = -- output of some intermediate layer of a conv-net residing in the GPU
local shaping_tensor = torch.Tensor(original_tensor:nElement())
original_tensor = original_tensor:resizeAs(shap
浏览 10提问于2016-04-26得票数 1
回答已采纳
我有一个1d的tensor和一个相同长度的Booleans的1d数组。
我想使用布尔数组作为张量的掩码，这样True将保持张量中的原始元素值，False将张量中的原始元素值设置为零。
例如。
Tensor = [1,2,3,4,5]
Array = [True, False, False, False, True]
将布尔掩码应用于张量：
Desired result = [1, 0, 0, 0, 5]
Result with tf.boolean_mask = [1, 5]
我尝试使用tf.boolean_mask(tensor, array)，然而，这降低了结果张量的维度，只包括True元
浏览 1提问于2018-05-21得票数 6
1回答
我有两个张量：
a = torch.nn.Parameter(torch.rand(7, requires_grad=True))
b = torch.randint(0,60, (20,))
是否有一个内衬(或快速和短的方式)可以在条件下创建一个大小为20 (类似于"b")的张量(称为x)？
即
[b<4 use a[0], 4 <=b<12 use a[1], 12<=b<22 use a[2], <28, <38, <50, >50] for every b
因此，如果：
b = [12, 93, 54, 0...]
浏览 3提问于2021-05-08得票数 2
回答已采纳
我正在启动一个使用PyTorch的图像分割项目。我有一个减少的数据集在一个文件夹和两个子文件夹-“图像”来存储图像和蒙面图像的“掩码”。图像和掩码是具有3个通道和256像素的.png文件。因为它是图像分割，标签必须执行一个像素一个像素。为了简单起见，我现在只使用两个类。到目前为止，我取得了以下成绩：
我能够通过以下方式将文件加载到类“图像”或“掩码”中
root_dir="./images_masks"
train_ds_untransf = torchvision.datasets.ImageFolder(root=root_dir)
train_ds_untransf.cl
浏览 0提问于2019-02-05得票数 1
2回答
我有一个像<code>D1</code>这样的张量<code>D0</code>，我想实现一个名为<code>D2</code>的函数，它可以将正数据过滤成一个新的张量，并返回原始张量的索引。例如：
<code>A3</code>
如何在pytorch中最有效地实现此功能？
浏览 34提问于2019-08-20得票数 17
我将尽我所能在这里提供一个可复制的例子。
我有一个形象：
这张亚伦·埃克哈特的照片是(150, 150)
我的目标是通过对像素进行数学运算来扰乱这幅图像的ROI，但是问题是必须以tensorflow张量的形式进行数学运算，因为所要做的数学运算是将张量乘以它的缩放梯度(也是尺寸的张量(row_pixels，column_pixels，3))。
这就是我想象的过程：
以numpy数组RGB大小读取图像：(1,150,150，3) (1是批处理大小)
w, h = img.shape
ret = np.empty((w, h, 3), dtype=np.uint8)
ret[:, :,
浏览 3提问于2018-08-05得票数 7
回答已采纳
因此，假设我有一个k-dim张量和一个1-dim掩码，它在pytorch中用于可变长度序列，并且我想返回一个张量，它表示掩码中直到第一个false值的元素。下面是一个示例： import torch
a = torch.tensor([[1,2],[3,4],[5,6],[0,0],[0,0],[0,0]])
b = torch.tensor([True,True,True,False,False,False])
# magic goes here, result of c should be:
print(c)
>>> [[1,2],[3,4],[5,6]] 在本例
浏览 18提问于2021-03-23得票数 1
回答已采纳
1回答
有一些方法可以用numpy数组初始化张量。但有没有办法做相反的事。意思是用图中的张量初始化一个numpy数组。
浏览 0提问于2017-01-30得票数 0
回答已采纳
1回答
我正在尝试获取扁平层的值，在使用此方法"flatten=model.layers18.output“使用图像数据集对其进行微调后。这将返回一个无法使用.eval()方法访问的符号张量，并返回以下错误： ValueError:无法使用给定会话计算张量:张量的图形与会话的图形不同。 您能告诉我是否有一种方法可以提取网络的特定层的值，以便将其用作实现不同技术的numpy数组？ 我已经使用Keras来构建模型。 谢谢。
浏览 34提问于2020-07-07得票数 0
1回答
如何更新张量匹配维数向量
、、、
设两个二维张量，A (m × c)和B (n × c)。属于B的每一行向量也属于A，即
。此外，A中的行向量并不是唯一的，即A可能有重复行。然而，B中的行向量是唯一的。
有另一对张量P (m × f)和Q (n × f)。我试图做以下几件事
for i in range(B.shape[0]):
rv = B[i, :]
fv = Q[i, :]
# P[<row indexes of A matching rv>, :] = fv
如何实现correctly?Is 如何消除for循环？
浏览 0提问于2021-05-18得票数 1
我有一个形状为batch_size，data_size的张量t1(秩2)，如下所示：
|---------------|--------------|--------------|
| 1.0 | 2.0 | 3.0 |
|---------------|--------------|--------------|
| 4.0 | 5.0 | 6.0 |
|---------------|--------------|--------------|
| 7.0 |
浏览 0提问于2018-07-23得票数 1
回答已采纳
因此，我有这个张量，称为出价，我试图过滤它的一些值，以调试的目的。但是，有些过滤器确实返回滤波后的张量，有些则返回张量的形状，如下所示：
bids[bids>=0]
> tensor([0.6249, 0.2195, 0.1606, ..., 0.1114, 0.2826, 0.8744],
grad_fn=<IndexBackward>)
bids[bids<0]
> tensor([], grad_fn=<IndexBackward>)
bids[bids=='nan']
>tensor([], siz
浏览 6提问于2021-12-16得票数 0
如果我引用张量，是否有方法确定张量的可变范围？张量的.name应该包含变量作用域名称，但是手动解析似乎有点麻烦。是否有一种更稳健的方法来寻找变量范围？谢谢!
浏览 5提问于2017-06-12得票数 2
回答已采纳
我必须为张量中不等于-1的所有数字创建掩码。
在numpy中，我会这样做：
mask = np.ones_like(my_matrix)
mask[my_matrix == -1] = 0
如何在tensorflow中实现相同的功能？
浏览 0提问于2017-09-25得票数 0
1回答
给定2D张量
T = [[1, 2, 3]
[4, 5, 6]]
和一个包含水平位移的一维张量，比如说s = [0, -2, 1]，我如何获得下面的三维张量R
R[0] = T
R[1] = [[3, 0, 0], # shifted two to the left,
[6, 0, 0]] # padding the rest with zeros
R[2] = [[0, 1, 2], # shifted one to the right,
[0, 4, 5]] # padding the rest with zeros
我知道tf.con
浏览 21提问于2019-04-20得票数 2
回答已采纳
发生了什么，我如何正确地使用Keras的最小()层？
start = Input(shape=(28,28,1), dtype='float32')
c = Conv2D(20,3,use_bias=False,data_format="channels_last",input_shape=(28, 28, 1),padding='same')(start)
c = Reshape((28,28,20,1))(c)
m = MaxPooling3D(pool_size=(1,1,20), strides=1, padding='valid
浏览 1提问于2019-09-07得票数 0
1回答
如何获取C#中给定端口的广播地址？
在NetworkInterface.GetAllNetworkInterfaces()中使用某些东西是正确的方式吗？
谢谢
说明:我想得到一个包含所有广播地址的数组。然后我会添加一个给定的端口并返回IPEndPoint[]。
浏览 0提问于2011-07-06得票数 1
回答已采纳
我有一个图像数组
img = [[[63 48 27]
[ 63 48 27]
[ 63 48 27]
...
[117 88 70]
[113 84 66]
[111 82 64]]
[[ 64 49 28]
[ 64 49 28]
[ 64 49 28]
...
[117 88 70]
[114 85 67]
[111 82 64]]
[[ 65 50 29]
[ 66 51 30]
[ 66 51 30]
...
[118 89 71]
[114
浏览 19提问于2020-03-05得票数 1
回答已采纳
1回答
我需要用一定的概率将张量新元素插入到张量旧中，假设简单性是0.8。实质上这就是masked_fill所做的，但它只适用于一维张量。实际上我在做
prob = torch.rand(trgs.shape, dtype=torch.float32).to(trgs.device)
mask = prob < 0.8
dim1, dim2, dim3, dim4 = new.shape
for a in range(dim1):
for b in range(dim2):
for c in range(dim3):
浏览 1提问于2021-03-18得票数 3
回答已采纳
我有以下数组：-
import numpy as np
import tensorflow as tf
input = np.array([[-1.5, 1.0, 3.4, .5], [0.0, 3.0, 1.3, 0.0]])
layer = tf.keras.layers.Discretization(num_bins=2, epsilon=0.01)
layer.adapt(input)
layer(input)
<tf.Tensor: shape=(2, 4), dtype=int64, numpy=
array([[0, 1, 1, 1],
[0, 1, 1,
浏览 4提问于2022-10-18得票数 0
回答已采纳
例如，如果我有[[1,3],[2,1]]的2D张量，如何得到1值的指数？(它应该返回[[0,0],[1,1]])。
我看了一下tf.where，但是API很复杂，我不认为这会解决问题。
浏览 2提问于2021-01-19得票数 1
回答已采纳
1回答
为了处理可变长度的输入序列，所有输入序列都被填充到相同的长度中。这对计算损失价值有影响。因此，掩码张量与损耗张量相乘，使填充元素0产生的损失。但在使用tf.math.reduce_mean或tf.keras.metrics.Mean计算损失平均值时，这些填充元素对平均损失有影响。
所以我的问题是，怎样才能算出坦索弗洛的蒙面损失呢？
例如：
t = [1, 2, 3]
t = pad(t, 6) # padding, now t = [1, 2, 3, 0, 0, 0]
mask = [True, True, True, False, False, False]
loss = [0.1, 0.2
浏览 11提问于2019-11-23得票数 0
回答已采纳
1回答
我有两个形状相同的PyTorch张量A和B，我想创建一个形状相同的“随机混合”张量C，其中Ci，... = Ai，...概率α或Bi，..。概率为1-α。有没有什么Pythonic式的方法可以简洁地完成这个任务？
浏览 3提问于2020-11-27得票数 1
2回答
我试图构建一个定制的损失函数，它将应用不同的函数到张量的不同部分，基于groundtruth。
例如，假设groundtruth是：
[0 1 1 0]
我希望将log(n)应用于输出张量的索引1，2(即其值在基本真理中为1)，并将log(n-1)应用于其他变量。
我如何才能做到这一点？
浏览 1提问于2019-07-08得票数 1
回答已采纳
2回答
如何在火把中交换x和y？
、、、
给定输出张量为100 * 6(xmin，ymin，xmax，ymax，conf，class)，我如何才能得到一个100 * 6(ymin，xmin，ymax，xmax，conf，class)的张量？例如，给定一个张量
x = [[1,2,3,4,5,6],
[7,8,9,10,11,12]],
期望的结果是
y = [[2,1,4,3,5,6],
[8,7,10,9,11,12]]
浏览 11提问于2022-03-23得票数 1
虽然这是一个典型的用例，但在通过RNN发送时，我找不到一个简单而明确的指南来说明在pytorch中计算填充小批量的损失的规范方法是什么。 我认为一个规范的管道可能是： 1) pytorch RNN需要形状的填充批量张量：(max_seq_len，batch_size，emb_size) 2)所以我们给出一个嵌入层，例如这个张量： tensor([[1, 1],
[2, 2],
[3, 9]]) 9是填充索引。批量大小为2。嵌入层将使其成为形状(max_seq_len，batch_size，emb_size)。批次中的序列是降序的，所以我们可以打包它。 3)我们
浏览 18提问于2019-12-12得票数 2
回答已采纳
2回答
掩蔽放火矩阵的列
、、、、
我有一个形状(batch_size, N, N)的矩阵和一个(batch_size, N)形状的掩蔽张量。
根据给定的掩码，我只想为矩阵的列(而不是行)放置-infinity值。
浏览 11提问于2022-07-10得票数 0
回答已采纳
如果我有4D张量，而张量包含实数
你能告诉我如何在张量中找到大于零的最小正数吗？
例如，我有：
[ 0 -1 -3
6 5 0
0.3 0.6 0.9]
这里，大于零的最小正数是0.3。
浏览 2提问于2016-01-03得票数 0
回答已采纳
1回答
给定一个形状为[?, n, m]的张量A和一个形状为[m, m]的张量W，我想将形状为A的每个张量a与W相乘，得到一个形状为[?, n, m]的张量。
我认为我可以通过重塑W来塑造[tf.shape(A)[0], n, m]，但这并不会产生shape [?, n, m]的张量。
浏览 0提问于2017-07-29得票数 1
回答已采纳
我有一个形状为Nx7的张量，它看起来像这样：
[0.97863993 0.64479575 -0.202357 0.94678476 0.0080051 0.44507797 0.47864
0.05914348 -0.72649432 0.193803 0.47295245 0.8381458 0.30449861 0.46783]
我有另一个相同形状的张量，它是一个布尔掩码：
[True False True True False True False
False True False False True False False]
我想要得
浏览 14提问于2017-08-06得票数 1
1回答
变长序列上窗口的平均池
、、、
我有一个形状的张量in (batch_size，功能，步骤)，并希望通过时间维度(steps)上的平均池( steps)获得相同形状的输出张量out，窗口大小为2k+1，即：
out[b,f,t] = 1/(2k+1) sum_{t'=t-k,...,t+k} in[b,f,t']
对于没有k之前和后续时间步骤的时间步骤，我只想计算现有时间步骤的平均值。
然而，张量中的序列具有可变的长度，并相应地填充了零，因此，我将序列长度存储在另一个张量中(例如，可以用它们创建一个掩码)。
我知道我可以使用来执行我所描述的池操作，但是它不明白我的序列是用零填充的，也不允许我传递具有序列长
浏览 8提问于2020-03-23得票数 0
回答已采纳
给定任何PyTorch 2D张量，对于每一行和小于给定值的行，最有效的计算方法是什么？
输入：
tensor([[0.6607, 0.1165, 0.0278, 0.1950],
[0.0529, 0.4607, 0.2729, 0.2135],
[0.3267, 0.0902, 0.4578, 0.1253]])
给定值0.8的所需输出
tensor([[1], #as 0.6607+0.1950 > 0.8
[2], #as 0.4607+0.2729+0.2135 > 0.8
[2]]) #as 0.4578+0
浏览 5提问于2022-07-18得票数 -1
回答已采纳
1回答
我有一个毕火炬张量的形状t，(n, x, y)，我想应用一个面具，这样，对于所有的y > x + k ( k是一个常数)，t[n, x, y] = -inf。
我相信我可以用高级索引来完成这个任务，但我想不出是怎么做到的。
如果不这样做，一个简单的方法是使用循环(慢，但一次并缓存它)构造类似的掩码，然后是t += mask，因为-inf + z == -inf for all z。
有更好的方法吗？
浏览 5提问于2022-07-26得票数 1
回答已采纳
问题是： 我有一个张量，在这个张量上我找到了k_top元素，如果元素不是k_top，我用0创建一个掩码，否则用1，然后我将原始张量与掩码相乘，创建tensor_masked。然后我计算张量的平均值。 现在的问题是，我想返回一个新的张量，其中只有k_top的元素等于平均值(如果起始张量中的原始值为负，则为-average，否则为+average ) 我该怎么做呢？ 这是现在的代码： def stc_compression(tensor, sparsification_rate):
mask = tf.cast(tf.abs(tensor) >= tf.math.top_k(tf.
浏览 17提问于2021-10-15得票数 -1
回答已采纳
1回答
不幸的是，我未能找到实现以下目标的功能：
投入：
测试:目标内可能存在的值的张量。
目标:值的张量
产出：
输出:布尔张量，形状与测试相同。output[i] = targets.contains(test[i])
简单地说:我需要测试张量的元素是否包含在另一个张量中。
浏览 1提问于2016-01-04得票数 1
回答已采纳
The Issue
看起来比较简单:它从不匹配条件的张量中删除值。如果掩模的尺寸与目标张量相同，则条件在元素上起作用。
使用ret = tf.boolean_mask(src, mask)，我发现输出维度与输入维度不匹配。
src: Tensor("mul_3:0", shape=(?,?), dtype=int32)
mask: Tensor("Cast_1:0", shape=(?,?), dtype=int32)
ret: Tensor("boolean_mask/Gather:0", shape=(?,), dtype=i
浏览 0提问于2018-07-30得票数 1
回答已采纳
假设X是一个张量，它的第一维未知(批量大小)，第二和第三维已知，n,m。假设Y是相同维度的张量，它是X的掩码，即对于批次中的每个样本，它包含1，其中X[b,n,m]包含真值，而0则只是填充。
我想在X的行/列上运行汇总操作，受掩码的约束。也就是说，如果X的某个样本的某行n包含从某个点n_0开始的零，我不希望计算中包含它。
虽然我可以手动解决诸如reduce_mean或reduce_min之类的操作，但我不能使用reduce_prod，例如，如果矩阵由零填充...
有没有办法使用向量掩码来执行reduce_XXX类型的Tensorflow操作？
谢谢。
浏览 4提问于2016-08-21得票数 4
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
实时音视频
对象存储
云直播活动推荐
腾讯云开发者
