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
examples1: >>> 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
examples2: >>> 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
examples3: >>> 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。
rank | shape | dimension |
---|---|---|
0 | [ ] | 0 维 |
1 | [ D0 ] | 1 维 |
2 | [ D0, D1 ] | 2 维 |
n | [ D0, D1, …, Dn-1 ] | n 维 |