tensorflow 选定张量特定维度的值_小结

最新推荐文章于 2025-09-02 11:37:48 发布

原创最新推荐文章于 2025-09-02 11:37:48 发布 · 5.3k 阅读

0 ·

CC 4.0 BY-SA版权

tensorflow 专栏收录该内容

91 篇文章

订阅专栏

本文介绍如何使用TensorFlow中的tf.boolean_mask方法进行数据筛选。通过具体的一维和二维示例展示了如何根据条件创建掩码，并利用该掩码从原始数据中选择符合特定条件的数据元素。

1. 用tf.boolean_mask方法

if is_training:
    # if all is difficult, then keep the first one
    isdifficult_mask = tf.cond(tf.count_nonzero(isdifficult, dtype=tf.int32) < tf.shape(isdifficult)[0],
                               lambda: isdifficult < tf.ones_like(isdifficult),
                               lambda: tf.one_hot(0, tf.shape(isdifficult)[0], on_value=True, off_value=False,
                                                  dtype=tf.bool))

    glabels_raw = tf.boolean_mask(glabels_raw, isdifficult_mask)
    gbboxes_raw = tf.boolean_mask(gbboxes_raw, isdifficult_mask)

注：

tf.boolean_mask(tensor,mask,name='boolean_mask',axis=None)
# 1-D example
tensor = [0, 1, 2, 3]
mask = np.array([True, False, True, False])
boolean_mask(tensor, mask)  # [0, 2]
# 2-D example
tensor = [[1, 2], [3, 4], [5, 6]]
mask = np.array([True, False, True])
boolean_mask(tensor, mask)  # [[1, 2], [5, 6]]