Python 布尔屏蔽（2D，2D）给出1D结果

问题

    src = [1, 2, 3, 4, 5, 6, 7, 8, 9]
    src = tf.ones([tf.shape(src)[0], 1], tf.int32) * src

    matrix = tf.ones_like(src, tf.int32)
    matrix = tf.matrix_band_part(matrix, 3, 3) # number for mask is arbitrary
    mask = tf.cast(matrix, tf.bool)

    ret = tf.boolean_mask(tensor=src, mask=mask)

看起来相对简单：它从不匹配条件的张量中删除值。如果遮罩的尺寸与目标张量相同，则条件在元素方面起作用

使用

ret=tf.boolean\u mask（src，mask）

，我发现输出维度与输入维度不匹配

src:    Tensor("mul_3:0", shape=(?,?), dtype=int32)
mask:   Tensor("Cast_1:0", shape=(?,?), dtype=int32)
ret:    Tensor("boolean_mask/Gather:0", shape=(?,), dtype=int32)

请注意，

（？，）

的行为与

（？，？）

不同，尽管我不确定原因或方式

---

代码

    src = [1, 2, 3, 4, 5, 6, 7, 8, 9]
    src = tf.ones([tf.shape(src)[0], 1], tf.int32) * src

    matrix = tf.ones_like(src, tf.int32)
    matrix = tf.matrix_band_part(matrix, 3, 3) # number for mask is arbitrary
    mask = tf.cast(matrix, tf.bool)

    ret = tf.boolean_mask(tensor=src, mask=mask)

---

问题出在哪里？

请参阅：

（N-K+1）-由张量中的条目填充的维张量 对应于掩码中的真值

---

其中

N

是

src

的维度，

K

是

mask

的维度，当

N=K

时，返回值总是1D，这就是您的情况。

非常感谢您。我接受这个答案。您对如何执行我尝试执行的操作（基于二维掩码过滤二维矩阵）有何建议？您可以使用布尔掩码从二维数组中删除零，但不能保证结果仍然是二维的。例如，对于

[[1,0]，[2,3]]

，删除零后将有

[1,2,3]

，但它不适合作为2D数组或矩阵.Hm。如何从[[1,0]，[2,3]]到[[1]，[2,3]]？我试着使用

tf.gather（src，tf.not_equal（src，0））

…做了类似的工作吗？我怀疑你是否可以用那种方式得到张量（通常是平方的）<代码>tf。常数（[[1]，[2,3]]）例如给出了一个错误。