不使用tf.RaggedTensor从tensorflow中的张量中删除某些行

给定张量数据

   [[[ 0.,  0.],
    [ 1.,  1.],
    [-1., -1.]],

   [[-1., -1.],
    [ 4.,  4.],
    [ 5.,  5.]]]

我要删除[-1，-1]并获取

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

   [[ 4.,  4.],
    [ 5.,  5.]]]

---

如何在不使用tensorflow中的参差不齐功能的情况下实现上述功能？

您可以这样做：

将tensorflow导入为tf
将numpy作为np导入
数据=[[0,0.]，
[ 1.,  1.],
[-1., -1.]],
[[-1., -1.],
[ 4.,  4.],
[ 5.,  5.]]]
数据=tf常数（数据）
指数=tf.math.not_equal（数据，tf.constant（[-1.，-1.]））
res=数据[指数]
shape=tf.shape（数据）
总计=tf.reduce\u和(
cast（tf.math.logical_和（索引[：，：，0]，索引[：，：，1]）[0]，tf.int32））
res=tf.重塑（res，（形状[0]，总计，形状[-1]））
使用tf.Session（）作为sess：
打印（sess.run（res））
# [[[0. 0.]
#   [1. 1.]]
#  [[4. 4.]
#   [5. 5.]]]

您可以这样做：

将tensorflow导入为tf
将numpy作为np导入
数据=[[0,0.]，
[ 1.,  1.],
[-1., -1.]],
[[-1., -1.],
[ 4.,  4.],
[ 5.,  5.]]]
数据=tf常数（数据）
指数=tf.math.not_equal（数据，tf.constant（[-1.，-1.]））
res=数据[指数]
shape=tf.shape（数据）
总计=tf.reduce\u和(
cast（tf.math.logical_和（索引[：，：，0]，索引[：，：，1]）[0]，tf.int32））
res=tf.重塑（res，（形状[0]，总计，形状[-1]））
使用tf.Session（）作为sess：
打印（sess.run（res））
# [[[0. 0.]
#   [1. 1.]]
#  [[4. 4.]
#   [5. 5.]]]

您可以尝试以下方法：

x = tf.constant(
      [[[ 0.,  0.],
      [ 1.,  1.],
      [-1., -2.]],

     [[-1., -2.],
      [ 4.,  4.],
      [ 5.,  5.]]])

mask = tf.math.not_equal(x, np.array([-1, -1]))

result = tf.boolean_mask(x, mask)
shape = tf.shape(x)
result = tf.reshape(result, (shape[0], -1, shape[2]))

您可以尝试以下方法：

x = tf.constant(
      [[[ 0.,  0.],
      [ 1.,  1.],
      [-1., -2.]],

     [[-1., -2.],
      [ 4.,  4.],
      [ 5.,  5.]]])

mask = tf.math.not_equal(x, np.array([-1, -1]))

result = tf.boolean_mask(x, mask)
shape = tf.shape(x)
result = tf.reshape(result, (shape[0], -1, shape[2]))