如题,比如NER的输出,每一句话的长度都是不一样的,所以超出实际句长的部分需要mask掉。
但是tensorflow中对于张量很不好操作,也不方便写循环,所以我们使用了以下几个函数实现不等长的
mask操作。
sequence_mask = tf.sequence_mask(batched_len, maxlen=FLAGS.max_len)
final_outputs = tf.layers.dense(concat_outputs, units=tgt_vocab_size, reuse=reuse)
self.final_logits = tf.arg_max(final_outputs, dimension=-1)
losses = tf.nn.softmax_cross_entropy_with_logits(labels=tf.one_hot(batched_tgt, depth=tgt_vocab_size), logits=final_outputs)
self.loss = tf.reduce_mean(tf.boolean_mask(losses, sequence_mask))
如上,我们以计算损失为例。
tf.sequence_mask()的输出是一个由True或者False构成的张量,其示例如下:
tf.sequence_mask([1, 3, 2], 5) # [[True, False, False, False, False],
# [True, True, True, False, False],
# [True, True, False, False, False]]
tf.sequence_mask([[1, 3],[2,0]]) # [[[True, False, False],
# [True, True, True]],
# [[True, True, False],
# [False, False, False]]]