tf.keras.layers.Masking

Маскирует последовательность, используя значение маски для пропуска временных шагов.

Наследуется от: Layer, Operation

tf.keras.layers.Masking(
    mask_value=0.0, **kwargs
)

Для каждого временного шага в тензоре входных данных (размерность #1 в тензоре), если все значения в тензоре входных данных на этом временном шаге равны mask_value, то временной шаг будет замаскирован (пропущен) во всех последующих слоях (при условии, что они поддерживают маску).

Если какой-либо последующий слой не поддерживает маску, но получает такую маску ввода, будет выброшено исключение.

Пример:

Рассмотрим массив данных NumPy x с формой (samples, timesteps, features), который необходимо передать в слой LSTM. Вы хотите замаскировать временной шаг #3 и #5, потому что данные для этих временных шагов отсутствуют. Вы можете:

• Установить x[:, 3, :] = 0. и x[:, 5, :] = 0.
• Вставить слой Masking со значением mask_value=0. перед слоем LSTM:

samples, timesteps, features = 32, 10, 8
inputs = np.random.random([samples, timesteps, features]).astype(np.float32)
inputs[:, 3, :] = 0.
inputs[:, 5, :] = 0.

model = keras.models.Sequential()
model.add(keras.layers.Masking(mask_value=0.)
model.add(keras.layers.LSTM(32))
output = model(inputs)
# The time step 3 and 5 will be skipped from LSTM calculation.

Примечание: в соглашении Keras о маске, замаскированный временной шаг обозначается значением маски False, а незамаскированный (т.е. используемый) временной шаг обозначается значением маски True.

Методы

from_config

Просмотреть исходный код

@classmethod
from_config(
    config
)

Создаёт слой из его конфигурации.

Этот метод является обратным к get_config, способным создать тот же слой из словаря конфигурации. Он не обрабатывает соединение слоёв (обрабатывается Network), ни веса (обрабатываются set_weights).

symbolic_call

Просмотреть исходный код

symbolic_call(
    *args, **kwargs
)