Python 用形状（x，y）的二维布尔掩码屏蔽形状（x，y，z）的三维张量

我有以下形状（2,6,2）的张量，

输出

：

并具有以下布尔掩码张量，

掩码

的形状（2,6）：

如何使用

mask

（或其调整）应用

masked\u output=tf.boolean\u mask（output，masks）

，从而产生以下结果：

[[[0.4 0.2]
  [0.7 0.5]
  [0.4 0.1]
  [0.0 0.0]
  [0.0 0.0]
  [0.0 0.0]]

 [[0.6 0.6]
  [0.3 0.5]
  [0.7 0.2]
  [0.8 0.1]
  [0.0 0.0]
  [0.0 0.0]]]

编辑

下面是一些变化，但这似乎仍然是一种混乱的做法。如有其他建议，我们将不胜感激

mask = tf.sequence_mask(lengths=[[3, 3], [4, 4]] maxlen=6)
mask = tf.transpose(mask, [0, 2, 1])

---

也许不是最有效的方法，但它确实有效

flat_mask = tf.reshape(mask, shape=(-1,))
expanded_flat_mask = tf.tile(flat_mask, [2])
expanded_mask = tf.reshape(expanded_flat_mask, shape=(2, 6, 2))
masked_output = tf.boolean_mask(output, expanded_mask)

或者

masked_output = output * tf.cast(tf.expand_dims(mask, axis=-1), output.dtype)

---

这会产生一个（2，6，1）张量，但是

tf。布尔掩码（输出，更大的掩码）

需要两者都是（2，6，2）你是对的。请参阅更新的解决方案。我找不到更直接的方法来做这件事。@KOB还添加了一个看起来更简单的替代解决方案。

flat_mask = tf.reshape(mask, shape=(-1,))
expanded_flat_mask = tf.tile(flat_mask, [2])
expanded_mask = tf.reshape(expanded_flat_mask, shape=(2, 6, 2))
masked_output = tf.boolean_mask(output, expanded_mask)

masked_output = output * tf.cast(tf.expand_dims(mask, axis=-1), output.dtype)