python中tf.boolean_mask()函數(shù)的使用方法詳解
python中tf.boolean_mask()函數(shù)的使用
tf.boolean_mask() 函數(shù)的作用是通過布爾值對指定的列的元素進行過濾。
語法結構
boolean_mask(tensor, mask, name="boolean_mask", axis=None)
其中，tensor：被過濾的元素 mask：一堆bool值，它的維度不一定等于tensor return：mask為true對應的tensor的元素 當tensor與mask維度一致時，返回一維
1-D example
import numpy as np import tensorflow as tf a = [1, 2, 3, 4] mask = np.array([True, True, False, False]) # mask 與 a 維度相同 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 與 a 維度不同 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 與 a 維度相同
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有如下的規(guī)則： 假設 tensor.rank=4，維度為（m，n，p，q）,則
(1)當mask.shape=(m，n，p，q)，結果返回（？，），表示所有維度都被過濾
(2)當mask.shape=(m，n，p)，結果返回（？，q），表示 q 維度沒有過濾
(3)當mask.shape=(m，n)，結果返回（？，p，q），表示 p，q 維度沒有過濾
(4)當mask.shape=(m)，結果返回（？，n，p，q），表示 n，p，q 維度沒有過濾
tensorflow 使用一種叫tensor的數(shù)據(jù)結構去展示所有的數(shù)據(jù)，我們可以把tensor看成是n維的array或者list。在tensorflow的各部分圖形間流動傳遞的只能是tensor。
tensorflow用3種方式描述一個tensor的維數(shù)：rank、shape、dimension number (維數(shù))，所以shape和rank的意思的一樣的，只是表達的形式不同。
| rank | shape | dimension |
| 0 | [ ] | 0 維 |
| 1 | [ D0 ] | 1 維 |
| 2 | [ D0, D1 ] | 2 維 |
| n | [ D0, D1, …, Dn-1 ] | n 維 |
到此這篇關于python中tf.boolean_mask()函數(shù)的使用方法詳解的文章就介紹到這了,更多相關python的tf.boolean_mask()函數(shù)內容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！
相關文章
在開發(fā) Python 程序時,錯誤幾乎是無法避免的,無論是新手還是經(jīng)驗豐富的開發(fā)者,都可能在編程過程中遇到各種各樣的問題,調試錯誤不僅消耗時間,還可能導致生產(chǎn)環(huán)境出現(xiàn)問題,為了提高調試效率,本文將總結一些 Python 編程中常見的錯誤及其解決方法,并提供實用的調試技巧2025-02-02
我看了一眼沉迷《夢幻國度》的兒子！氣就不打一處來！讓你見識一下Python游戲的魅力，python實戰(zhàn)冒險島游戲碼起，本文給大家介紹的非常詳細，對大家的學習或工作具有一定的參考借鑒價值2021-09-09
本文主要介紹了python 一些常用的小腳本，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧2007-10-10
詳解Python如何利用Pandas與NumPy進行數(shù)據(jù)清洗
許多數(shù)據(jù)科學家認為獲取和清理數(shù)據(jù)的初始步驟占工作的 80%，花費大量時間來清理數(shù)據(jù)集并將它們歸結為可以使用的形式。本文將利用 Python 的 Pandas和 NumPy 庫來清理數(shù)據(jù)，需要的可以參考一下2022-04-04
在?Python?中，可以使用內置的?logging?模塊來記錄應用程序的信息,logging?模塊還提供了一些高級功能，如日志回溯、日志輪換、日志緩沖等,需要的朋友可以參考下2023-04-04
利用（面向）對象的（屬性和方法）去進行編碼的過程即面向對象編程。本文將通過示例詳細為大家介紹一下Python中的面向對象編程，需要的可以參考一下2022-03-03
本文我們來聊一聊Python的整數(shù)，我們知道Python的整數(shù)是不會溢出的，換句話說，它可以計算無窮大的數(shù)，只要你的內存足夠，它就能計算。但問題是，Python底層又是C實現(xiàn)的，那么它是怎么做到整數(shù)不溢出的呢？本文就來詳細說說2022-11-11
Python基于similarities實現(xiàn)文本語義相似度計算和文本匹配搜索
similarities?實現(xiàn)了多種相似度計算、匹配搜索算法,支持文本、圖像,python3開發(fā),下面我們就來看看如何使用similarities實現(xiàn)文本語義相似度計算和文本匹配搜索吧2024-03-03
如何使用 Python 讀取文件和照片的創(chuàng)建日期
這篇文章主要介紹了如何使用 Python 讀取文件和照片的創(chuàng)建日期,本文通過實例代碼給大家介紹的非常詳細，對大家的學習或工作具有一定的參考借鑒價值，需要的朋友可以參考下2020-09-09
在本篇文章里小編給大家整理的是一篇關于python sleep和wait對比總結內容，對此有興趣的朋友們可以學習下。2021-02-02