您好,登錄后才能下訂單哦!
TensorFlow是一個(gè)采用數(shù)據(jù)流圖(data flow graphs),用于數(shù)值計(jì)算的開(kāi)源軟件庫(kù)。節(jié)點(diǎn)(Nodes)在圖中表示數(shù)學(xué)操作,圖中的線(xiàn)(edges)則表示在節(jié)點(diǎn)間相互聯(lián)系的多維數(shù)據(jù)數(shù)組,即張量(tensor)。它靈活的架構(gòu)讓你可以在多種平臺(tái)上展開(kāi)計(jì)算,例如臺(tái)式計(jì)算機(jī)中的一個(gè)或多個(gè)CPU(或GPU),服務(wù)器,移動(dòng)設(shè)備等等。TensorFlow 最初由Google大腦小組(隸屬于Google機(jī)器智能研究機(jī)構(gòu))的研究員和工程師們開(kāi)發(fā)出來(lái),用于機(jī)器學(xué)習(xí)和深度神經(jīng)網(wǎng)絡(luò)方面的研究,但這個(gè)系統(tǒng)的通用性使其也可廣泛用于其他計(jì)算領(lǐng)域。
聲明:
需要讀者對(duì)tensorflow和深度學(xué)習(xí)有一定了解
tf.boolean_mask
實(shí)現(xiàn)類(lèi)似numpy數(shù)組的mask操作
Python的numpy array可以使用boolean類(lèi)型的數(shù)組作為索引,獲得numpy array中對(duì)應(yīng)boolean值為T(mén)rue的項(xiàng)。示例如下:
# numpy array中的boolean mask import numpy as np target_arr = np.arange(5) print "numpy array before being masked:" print target_arr mask_arr = [True, False, True, False, False] masked_arr = target_arr[mask_arr] print "numpy array after being masked:" print masked_arr
運(yùn)行結(jié)果如下:
numpy array before being masked: [0 1 2 3 4] numpy array after being masked: [0 2]
tf.boolean_maks對(duì)目標(biāo)tensor實(shí)現(xiàn)同上述numpy array一樣的mask操作,該函數(shù)的參數(shù)也比較簡(jiǎn)單,如下所示:
tf.boolean_mask( tensor, # target tensor mask, # mask tensor axis=None, name='boolean_mask' )
下面,我們來(lái)嘗試一下tf.boolean_mask函數(shù),示例如下:
import tensorflow as tf # tensorflow中的boolean mask target_tensor = tf.constant([[1, 2], [3, 4], [5, 6]]) mask_tensor = tf.constant([True, False, True]) masked_tensor = tf.boolean_mask(target_tensor, mask_tensor, axis=0) sess = tf.InteractiveSession() print masked_tensor.eval()
mask tensor中的第0和第2個(gè)元素是True,mask axis是第0維,也就是我們只選擇了target tensor的第0行和第1行。
[[1 2] [5 6]]
如果把mask tensor也換成2維的tensor會(huì)怎樣呢?
mask_tensor2 = tf.constant([[True, False], [False, False], [True, False]]) masked_tensor2 = tf.boolean_mask(target_tensor, mask_tensor, axis=0) print masked_tensor2.eval()
[[1 2] [5 6]]
我們發(fā)現(xiàn),結(jié)果不是[[1], [5]]。tf.boolean_mask不做元素維度的mask,tersorflow中有tf.ragged.boolean_mask實(shí)現(xiàn)元素維度的mask。
tf.ragged.boolean_mask tf.ragged.boolean_mask( data, mask, name=None )
tensorflow中的sparse向量和sparse mask tensorflow中的sparse tensor由三部分組成,分別是indices、values、dense_shape。對(duì)于稀疏張量SparseTensor(indices=[[0, 0], [1, 2]], values=[1, 2], dense_shape=[3, 4]),轉(zhuǎn)化成dense tensor的值為:
[[1, 0, 0, 0] [0, 0, 2, 0] [0, 0, 0, 0]]
使用tf.sparse.mask可以對(duì)sparse tensor執(zhí)行mask操作。
tf.sparse.mask( a, mask_indices, name=None )
上文定義的sparse tensor有1和2兩個(gè)值,對(duì)應(yīng)的indices為[[0, 0], [1, 2]],執(zhí)行tf.sparsse.mask(a, [[1, 2]])后,稀疏向量轉(zhuǎn)化成dense的值為:
[[1, 0, 0, 0] [0, 0, 0, 0] [0, 0, 0, 0]]
由于tf.sparse中的大多數(shù)函數(shù)都只在tensorflow2.0版本中有,所以沒(méi)有實(shí)例演示。
padded_batch
tf.Dataset中的padded_batch函數(shù),根據(jù)輸入序列中的最大長(zhǎng)度,自動(dòng)的pad一個(gè)batch的序列。
padded_batch( batch_size, padded_shapes, padding_values=None, drop_remainder=False )
這個(gè)函數(shù)與tf.Dataset中的batch函數(shù)對(duì)應(yīng),都是基于dataset構(gòu)造batch,但是batch函數(shù)需要dataset中的所有樣本形狀相同,而padded_batch可以將不同形狀的樣本在構(gòu)造batch時(shí)padding成一樣的形狀。
elements = [[1, 2], [3, 4, 5], [6, 7], [8]] A = tf.data.Dataset.from_generator(lambda: iter(elements), tf.int32) B = A.padded_batch(2, padded_shapes=[None]) B_iter = B.make_one_shot_iterator() print B_iter.get_next().eval()
[[1 2 0] [3 4 5]]
總結(jié)
到此這篇關(guān)于深入理解Tensorflow中的masking和padding的文章就介紹到這了,更多相關(guān)Tensorflow中的masking和padding內(nèi)容請(qǐng)搜索億速云以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持億速云!
免責(zé)聲明:本站發(fā)布的內(nèi)容(圖片、視頻和文字)以原創(chuàng)、轉(zhuǎn)載和分享為主,文章觀(guān)點(diǎn)不代表本網(wǎng)站立場(chǎng),如果涉及侵權(quán)請(qǐng)聯(lián)系站長(zhǎng)郵箱:is@yisu.com進(jìn)行舉報(bào),并提供相關(guān)證據(jù),一經(jīng)查實(shí),將立刻刪除涉嫌侵權(quán)內(nèi)容。