machine-learning - 当掩码不等于零时，带有掩码的 GlobalAveragePooling

Question

我们在导致 Not Supported 错误的遮罩层之上实施 GlobalAveragePooling。
我们看到了这个解决方案，但不幸的是，这个解决方案不适合我们的情况。
我们使用自定义嵌入算法，导致一些样本全为零，因此我们不能用零向量进行掩码，
例如self.model.add(Masking(mask_value=-9999., input_shape=(max_length, nr_in)))
，之后的一些层

avged = GlobalAveragePooling1D()(result, mask=max_len)
maxed = GlobalMaxPooling1D()(result, mask=max_len)
merged = merge([avged, maxed])

有没有办法对这种掩码使用全局平均和最大池化方法？
谢谢！

我们正在使用 Tensorflow 0.12.0 和 keras 1.2.2

标签： machine-learningnlp