tf.keras.layers.Masking

Маскирует последовательность, используя значение маски для пропуска временных шагов.

Наследуется от: Layer

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

Для каждого временного шага в тензоре входных данных (измерение #1 в тензоре), если все значения в тензоре входных данных в этот момент времени равны mask_value, то временной шаг будет замаскирован (пропущен) во всех последующих слоях (до тех пор, пока они поддерживают маскирование).

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

Пример:

Рассмотрим массив данных NumPy x формы (samples, timesteps, features), который должен быть передан в слой LSTM. Вы хотите замаскировать временные шаги #3 и #5, потому что для этих временных шагов у вас нет данных. Вы можете:

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

model = Sequential()
model.add(Masking(mask_value=0., input_shape=(timesteps, features)))
model.add(LSTM(32))