掩蔽对客户流失和梯度下降有用吗？

Question

TF2中有一种名为Masking的图层，声称可以掩盖时态数据。我进行了一些测试，发现接下来的层仍然可以将值添加到首先被掩盖的那些变量中。例如

def compute_valid_entries(x, mask):
    n = np.reduce_sum(mask)
    print(n.numpy())
    for i in range(len(mask.shape)):
        if mask.shape[i] == 1:
            n *= x.shape[i]
    return n

x = np.reshape(np.arange(100), (2, 5, 10)).astype(np.float32) 
mask = np.ones(10).reshape((2, 5))
mask[1] = 0
mask = mask[..., None]
x_masked = x*mask
model = Sequential([Masking(), Dense(2, bias_initializer=tf.constant_initializer(1.))])
print(model(x_masked))
# print out a tensor of shape (2, 5, 2) with no zeros

如果是这样，添加Masking有什么意义？ Masking层有什么好处？我应该怎么用？