Python 张量流在MLP情况下如何使用填充层和掩蔽层？

我想用MLPs来解决回归问题

我有可变长度的输入来解决这个问题，我想使用零填充和掩蔽层

我使用pandas库从csv文件读取输入。下面是我的数据的样子

我只知道如何使用此命令

x\u train.fillna（0.0）.values

像第一行一样：

[4, 0, 0, 512, 1.0, 0.0, 1.0, 0.0, 128.0 , NaN]

填充后：

[4, 0, 0, 512, 1.0, 0.0, 1.0, 0.0, 128.0 , 0.0]

面具应该是这样的：

[1, 1, 1, 1, 1, 1, 1, 1, 1, 0]

但我不知道如何添加遮罩层并将它们输入我的MLP

如果我有固定的输入长度。我的程序将如下所示

...
n_input = 10 #number og inputs

train_X = pd.read_csv('x_train.csv')
train_Y = pd.read_csv('y_train.csv')


X = tf.placeholder("float", [None, n_input])
Y = tf.placeholder("float", [None, n_output])

...
y_pred = multilayer_perceptron(X)
...

with tf.Session() as sess:
    sess.run(init)

            _, c = sess.run([train, loss], feed_dict={X: train_X,
                                                      Y: train_Y})
          ...

---

我不知道如何将零填充和屏蔽层结合起来？

您不能忽略MLP中的一个功能。从数学上讲，我们谈论的是矩阵乘法。唯一可以“忽略”的维度是重复层中的时间维度，因为权重的数量不随时间维度缩放，因此单个层可以在时间维度中采用不同的大小

---

如果您只使用密集层，您不能跳过任何内容，因为您的唯一维度（除了批次维度）直接与权重数量成比例。

谢谢@dennis ec您的答案非常精确。我想补充一下：

我们可以忽略给定功能的所有时间步长。这在具有LSTM的KERA中得到支持，但不支持密集层（我们不能忽略MLP中的单个功能）

---

我们可以使用填充（零填充或指定要使用的值，例如-1）来满足要求，并查看性能

之后你想对掩码和填充向量做什么？@gorjan，我有可变长度的输入，所以为了解决这个问题，我用填充将NaN值填充为零，我想用掩码忽略填充向量。你现在说的非常重要。请让我们讨论一下fb:。我真的想省去所有关于填充和掩蔽概念的模糊之处。谢谢。请你回答。我会照我们讨论的做。见下面的答案。