TensorFlow 2 Keras中意外的遮罩形状_Tensorflow_Keras_Mask

TensorFlow 2 Keras中意外的遮罩形状

tensorflow keras

TensorFlow 2 Keras中意外的遮罩形状,tensorflow,keras,mask,Tensorflow,Keras,Mask,我有形状的批处理张量（批处理大小、n个时间步长、n个特征、n个通道）。它们产生于形状的张量（n_时间步、n_特征、n_通道），其中n_时间步不是常数。在构建批时，张量被填充到最大值n\u time\u steps 这些张量应输入以下结构的神经网络：由于填充，输入被屏蔽每个时间步的张量被馈送到时间分布的CNN块。掩码被传播提取的特征被馈送到RNN 在最后一层中，我遇到了一个错误，因为遮罩具有形状（批大小，n时间步数，n时间特征），但RNN希望它具有形状（批大小，n时间步数）有人知道如何得到

我有形状的批处理张量

（批处理大小、n个时间步长、n个特征、n个通道）

。它们产生于形状的张量

（n_时间步、n_特征、n_通道）

，其中

n_时间步

不是常数。在构建批时，张量被填充到最大值

n\u time\u steps

这些张量应输入以下结构的神经网络：

由于填充，输入被屏蔽

每个时间步的张量被馈送到时间分布的CNN块。掩码被传播

提取的特征被馈送到RNN

在最后一层中，我遇到了一个错误，因为遮罩具有形状

（批大小，n时间步数，n时间特征）

，但RNN希望它具有形状

（批大小，n时间步数）

有人知道如何得到合适形状的面具吗

下面是一个简单的例子：

将tensorflow导入为tf
类TimeDistributedMaskPropagating（tf.keras.layers.TimeDistributed）：
“”“传播掩码的时间分布层。”“”
定义初始化（self，*args，**kwargs）：
super（）
self.supports\u masking=True
def计算掩码（自身、输入、掩码=无）：
返回掩码
n_特征=3
n_通道=1
cnn_block=tf.keras.layers.Flatten（）
估计量=tf.keras.Sequential([
tf.keras.layers.Input（shape=（无，n个特征，n个通道）），
tf.keras.layers.Masking（），
时间分布的广播（cnn_区块），
#tf.keras.layers.LSTM（10）
#收益率值错误：维度必须相等，但为3和10
])
x1=tf.随机.均匀（（4,3,1））#形状：4,3,1
x2=tf.随机.均匀（（3,3,1））#形状：3,3,1
填充=tf.常数（[[0,1]，[0,0]，[0,0]]）
填充垫（x2，填充物）#形状：4,3,1
小批量=tf.stack（（x1，填充x2））#形状：2,4,3,1
logits=估计器（小批量）#形状：2,4,3
打印（logits._keras_mask）#形状：2,4,3
#遮罩具有带值的形状2、4、3
#真的
#[对]
#[对]
#[正确]]
# 
#[[True]
#[对]
#[对]
#[错误]]]
#遮罩应具有带值的形状2、4
#[[True]
#[对错]]

在实施

tensorflow.keras.layers.Masking

时，仅要求最后一个轴的所有值都等于

mask_值

，以便在mask中生成条目

False

。因此，掩码的张量秩变为输入张量的张量秩减1（而不是2，一个用于

批量大小

，一个用于

时间步长

，如预期）

这个问题可以通过定义一个自定义屏蔽层来解决，其中

axis=-1

来自方法

compute\u mask

中的原始代码，

call

被

axis=[2,3]

（在我的例子中）或更一般地被

axis=list（范围（2，len（inputs.shape））

取代

以下是完整的代码：

类自定义屏蔽（层）：
定义初始值（自身，掩码值=0.，**kwargs）：
超级（自定义屏蔽，自我）。\uuuuu初始化（**kwargs）
self.supports\u masking=True
self.mask\u值=mask\u值
self.\u compute\u output\u和\u mask\u联合=真
def计算掩码（自身、输入、掩码=无）：
返回K.any（数学运算不相等（输入、自身掩码值），
轴=列表（范围（2，len（inputs.shape）））
def呼叫（自我，输入）：
轴=列表（范围（2，长度（inputs.shape）））
布尔掩码=K.any（数学运算不相等（输入、自掩码值），
轴=轴，keepdims=真）
输出=输入*数学运算.cast（布尔掩码，输入.dtype）
#同时计算掩码和输出。
输出。_keras_mask=数组_ops.squence（布尔_mask，axis=轴）35; pylint:disable=受保护访问
返回输出
def计算输出形状（自身、输入形状）：
返回输入形状
def get_配置（自身）：
config={'mask_value'：self.mask_value}
base_config=super（掩蔽，self）.get_config（）
return dict（list（base_config.items（））+list（config.items（））

在实施

tensorflow.keras.layers.Masking