tf.keras.layers.Masking层在其__init__(...)中将_compute_output_and_mask_jointly设置为True，该属性除了告诉它在其call(...)中正在做什么之外，还执行什么操作？
def __init__(self, mask_value=0., **kwargs):
...
self._compute_output_and_mask_jointly = True另外，在call(...)中已经创建并应用了掩码，compute_mask(...)的目的是什么？似乎是多余的。
def compute_mask(self, inputs, mask=None):
return tf.reduce_any(tf.not_equal(inputs, self.mask_value), axis=-1)
def call(self, inputs):
boolean_mask = tf.reduce_any(
tf.not_equal(inputs, self.mask_value), axis=-1, keepdims=True)
outputs = inputs * tf.cast(boolean_mask, inputs.dtype)
# Compute the mask and outputs simultaneously.
outputs._keras_mask = tf.squeeze(boolean_mask, axis=-1) # pylint: disable=protected-access
return outputs
1条答案
按热度按时间ztmd8pv51#
首先，一个重大的，公正的警告：
这是一个实现细节，切勿使用！
事实上，它可能正在消失。
话虽如此，这是一个小的优化，由所有图层类中的单个
layers.Masking类使用。这是TensorFlow Keras的一部分（与TensorFlow本身相反）。当此属性存在并在层上设置为True时，Keras框架假定输出掩码已经在__call__调用中计算并放置到KerasTensor._layer_mask属性中，并优化了对compute_mask方法的调用，无论是在渴望模式还是在图形跟踪模式下。这就是全部。实际上，在输出
KerasTensor上创建_layer_mask属性也有同样的效果，而且如果不设置这两个属性，您确实可以避免有一天出现令人讨厌的意外。