掩码层

`Masking` 类

tf_keras.layers.Masking(mask_value=0.0, **kwargs)

通过使用掩码值跳过时间步来对序列进行掩码。

对于输入张量中的每个时间步（张量中的维度 #1），如果该时间步的输入张量中的所有值都等于 mask_value，则该时间步将在所有下游层中被掩码（跳过）（只要它们支持掩码）。

如果任何下游层不支持掩码但接收到这样的输入掩码，则会引发异常。

示例

考虑一个形状为 (samples, timesteps, features) 的 Numpy 数据数组 x，将其馈送到 LSTM 层。您希望掩码时间步 #3 和 #5，因为您缺少这些时间步的数据。您可以

设置 x[:, 3, :] = 0. 和 x[:, 5, :] = 0.
在 LSTM 层之前插入一个 Masking 层，并设置 mask_value=0.

samples, timesteps, features = 32, 10, 8
inputs = np.random.random([samples, timesteps, features]).astype(np.float32)
inputs[:, 3, :] = 0.
inputs[:, 5, :] = 0.

model = tf.keras.models.Sequential()
model.add(tf.keras.layers.Masking(mask_value=0.,
                                  input_shape=(timesteps, features)))
model.add(tf.keras.layers.LSTM(32))

output = model(inputs)
# The time step 3 and 5 will be skipped from LSTM calculation.

有关更多详细信息，请参阅掩码与填充指南。

掩码层

Masking 类

掩码层

Masking 类

`Masking` 类