tensorflow：如何实现这个复杂的掩码操作

Question

我有一个形状为 [batch_size, data_size] 的张量 t1(rank 2)，如下所示：

|---------------|--------------|--------------|
|      1.0      |     2.0      |     3.0      |
|---------------|--------------|--------------|
|      4.0      |     5.0      |     6.0      |
|---------------|--------------|--------------|
|      7.0      |     8.0      |     9.0      |
|---------------|--------------|--------------|

还有一个形状为 [batch_size] 的指标张量 t2(rank 1)，如下所示：

|---------------|--------------|--------------|
|      2        |     1        |     3        |
|---------------|--------------|--------------|

我想实现一个函数(t1, t2) 来输出：

|---------------|--------------|--------------|
|      1.0      |     2.0      |     0.0      |
|---------------|--------------|--------------|
|      4.0      |     0.0      |     0.0      |
|---------------|--------------|--------------|
|      7.0      |     8.0      |     9.0      |
|---------------|--------------|--------------|

它看起来像是将 t1 与 t2 定义的掩码相乘，但我不知道如何实现。

Answer 1

我认为您正在寻找tf.sequence_mask。 See here。这基本上实现了创建您想知道的掩码。用法如下：

mask = tf.sequence_mask(t2, dtype=tf.float32)
result = t1 * mask

如果没有给出dtype，这将创建一个布尔掩码，这可能会在尝试与t1 相乘时导致问题，这就是我们特别要求float32 的原因。

如果t2中的最大元素可以小于data_size，你应该使用

mask = tf.sequence_mask(t2, maxlen=data_size, dtype=tf.float32)

防止t1 和mask 之间的形状不匹配。