Python 如何对张量应用遮罩并保持其原始形状

我有两个张量：一个包含数据，另一个包含布尔值。如果布尔值为False，我想将数据张量中的所有值设置为零，同时保持数据张量的原始形状。 到目前为止，我只能在mask是numpy数组时实现它

因为它影响张量的形状，所以我不能使用它

怎么做

import numpy as np
import tensorflow as tf
tf.enable_eager_execution()

# create dummy data
data_np = np.ones((4,2,3))
mask_np = np.array([[True, True],[False, True],[True, True],[False, False]])

# prepare tensors
data = tf.convert_to_tensor(data_np)
mask = tf.convert_to_tensor(mask_np)

# how to perform the same while avoiding numpy?
mask = np.expand_dims(mask, -1)
data *= mask

使用

tf.cast（）

和

tf.expand_dims（）

：

将tensorflow导入为tf
将numpy作为np导入
掩码\u np=np.array（[[True，True]，[False，True]，[True，True]，[False，False]]
数据=np.one（（4,2,3））
mask=tf.convert\u to\u tensor（mask\u np，dtype=tf.bool）
mask=tf.expand_dims（tf.cast（mask，dtype=tf.float32），axis=len（mask.shape））
data=tf.convert\u to\u tensor（data\u np，dtype=tf.float32）
结果=掩码*数据
打印（result.numpy（））
# [[[1. 1. 1.]
#   [1. 1. 1.]]
# 
#  [[0. 0. 0.]
#   [1. 1. 1.]]
# 
#  [[1. 1. 1.]
#   [1. 1. 1.]]
# 
#  [[0. 0. 0.]
#   [0. 0. 0.]]]

您的预期输出是什么？您希望掩码和数据之间的元素级乘法如何执行？