填充和屏蔽批处理数据集

Question

表示自然语言的多个字符串时，每个字符串中的字符数可能不相等。然后，可以将返回结果放置在tf.RaggedTensor中，其中最里面的维的长度根据每个字符串中的字符数而变化：

tf.RaggedTensor

依次使用

rtensor = tf.ragged.constant([
                      [1, 2], 
                      [3, 4, 5],
                      [6]
                      ])
rtensor
#<tf.RaggedTensor [[1, 2], [3, 4, 5], [6]]>

方法，将to_tensor转换为常规to_tensor，并因此执行填充操作：

RaggedTensor

现在，有没有一种方法可以生成附加张量来显示什么是原始数据，什么是填充？对于上面的示例，它将是：

tf.Tensor

Answer 1

如

batch_size=3
max_length=8
tensor = rtensor.to_tensor(default_value=0, shape=(batch_size, max_length))
#<tf.Tensor: shape=(3, 8), dtype=int32, numpy=
#array([[1, 2, 0, 0, 0, 0, 0, 0],
#       [3, 4, 5, 0, 0, 0, 0, 0],
#       [6, 0, 0, 0, 0, 0, 0, 0]], dtype=int32)>

所建议的，您只需检查非零值即可。它可以像转换为布尔值然后返回一样简单。

<tf.Tensor: shape=(3, 8), dtype=int32, numpy=
array([[1, 1, 0, 0, 0, 0, 0, 0],
       [1, 1, 1, 0, 0, 0, 0, 0],
       [1, 0, 0, 0, 0, 0, 0, 0]], dtype=int32)>

唯一可能的缺点是，您最初可能具有thusv89值。如果您知道数据总是非负的，则可以在转换为张量时使用其他一些值作为默认值，例如

import tensorflow as tf

rtensor = tf.ragged.constant([[1, 2],
                              [3, 4, 5],
                              [6]])
batch_size = 3
max_length = 8
tensor = rtensor.to_tensor(default_value=0, shape=(batch_size, max_length))
mask = tf.dtypes.cast(tf.dtypes.cast(tensor, tf.bool), tensor.dtype)
print(mask.numpy())
# [[1 1 0 0 0 0 0 0]
#  [1 1 1 0 0 0 0 0]
#  [1 0 0 0 0 0 0 0]]

。

0
但是如果您想让蒙版适用于您拥有的任何值，也可以只将-1与参差不齐的张量一起使用：

tensor = rtensor.to_tensor(default_value=-1, shape=(batch_size, max_length))
mask = tf.dtypes.cast(tensor >= 0, tensor.dtype)
通过这种方式，tf.ones_like将始终是tf.ones_like具有值的精确位置。