tf.boolean_mask()

函数原型：tf.boolean_mask(tensor,mask,name='boolean_mask',axis=None)

跟numpy里面的tensor[mask]具有相同的功能。

参数：tensor是N维度的tensor，mask是K维度的，注意K小于等于N，name可选项也就是这个操作的名字，axis是一个0维度的int型tensor，表示的是从参数tensor的哪个axis开始mask，默认的情况下，axis=0表示从第一维度进行mask，因此K+axis小于等于N。

返回的是N-K+1维度的tensor，也就是mask为True的地方保存下来。

一般来说，0<dim(mask)=K<=dim(tensor),mask的大小必须匹配参数tensor的shape的前K维度。

 

 在做目标检测（YOLO）时涉及到一个函数boolean_mask(a,b) 将使a (m维)矩阵仅保留与b中“True”元素同下标的部分。使用tf.boolean_mask用来过滤概率值比较低的锚盒，这个函数的一个参数b为滤波器掩模，生成掩模要用到逻辑表达式（>或者<）生成布尔值，假设阈值threshold=C，并且当mask和tensor的维度相同时，输出1维矩阵。
代码如下：

import tensorflow as tf
import numpy as np
a=tf.constant([
    [[2,4],[4,1]],
    [[6,8],[2,1]]
],tf.float32)

b=tf.reduce_max(a,-1)
c=a>2
with tf.Session() as sess:
    print("a="+  str(sess.run(a)))
    print("b=" + str(sess.run(b)))
    print("c=" + str(sess.run(c)))
    d=tf.boolean_mask(a,c)
    print("d="+str(d.eval(session=sess)))
    print(d.shape)
    sess.close()

运行结果如下：

a=[[[2. 4.]
  [4. 1.]]

 [[6. 8.]
  [2. 1.]]]
b=[[4. 4.]
 [8. 2.]]
c=[[[False  True]
  [ True False]]

 [[ True  True]
  [False False]]]
d=[4. 4. 6. 8.]
(?,)

布尔类型张量作为滤波器掩模，过滤掉我们不想要的的值。

最后d的值为[4,4,6,8]

d.shape=(?,)

假设tensor.rank=4（m,n,p,q）,mask.rank必须满足4/3/2/1
(1)当mask.shape=(m,n,p,q)，结果返回（？，）
(2)当mask.shape=(m,n,p)，结果返回（？，q）
(3)当mask.shape=(m,n)，结果返回（？，p，q）
(4)当mask.shape=(m)，结果返回（？，n，p，q）