tf.boolean_mask

Применяет булеву маску к тензору.

tf.boolean_mask(
    tensor, mask, axis=None, name='boolean_mask'
)

Эквивалент в Numpy: tensor[mask].

В общем случае 0 < dim(mask) = K <= dim(tensor), и форма mask должна совпадать с первыми K измерениями формы tensor. Тогда получаем: boolean_mask(tensor, mask)[i, j1,...,jd] = tensor[i1,...,iK,j1,...,jd] где (i1,...,iK) — i-й элемент True тензора mask (в порядке row-major). Параметр axis может использоваться вместе с mask для указания оси, начиная с которой применяется маска. В этом случае axis + dim(mask) <= dim(tensor) и форма mask должны совпадать с первыми axis + dim(mask) измерениями формы tensor.

См. также: tf.ragged.boolean_mask, которая может применяться как к плотным, так и к неоднородным (ragged) тензорам, и может использоваться, если вам необходимо сохранить маскированные измерения tensor (а не сглаживать их, как делает tf.boolean_mask).

Примеры:

tensor = [0, 1, 2, 3]  # 1-D example
mask = np.array([True, False, True, False])
tf.boolean_mask(tensor, mask)
<tf.Tensor: shape=(2,), dtype=int32, numpy=array([0, 2], dtype=int32)>

tensor = [[1, 2], [3, 4], [5, 6]] # 2-D example
mask = np.array([True, False, True])
tf.boolean_mask(tensor, mask)
<tf.Tensor: shape=(2, 2), dtype=int32, numpy=
array([[1, 2],
       [5, 6]], dtype=int32)>

Примеры:

# 2-D example
tensor = [[1, 2], [3, 4], [5, 6]]
mask = np.array([True, False, True])
boolean_mask(tensor, mask)  # [[1, 2], [5, 6]]