1. Keras 소개
   1. [시작하기] Sequential 모델 가이드
   2. [시작하기] 함수형 API 가이드
   3. [시작하기] FAQ
   4. [모델] Keras의 모델
   5. [모델] 함수형 API
   6. [모델] Sequential
   7. [계층] Keras의 계층
   8. [계층] Core 계층
   9. [계층] 합성곱 계층
   10. [계층] 풀링 계층
   11. [계층] 부분적으로 연결된 계층
   12. [계층] 재발 계층
   13. [계층] 임베딩 계층
   14. [계층] Merge 계층
   15. [계층] 고급 활성화 계층
   16. [계층] 표준화 계층
   17. [계층] 노이즈 계층
   18. [계층] 계층 Wrappers
   19. [계층] 자신만의 Keras 계층 만들기
   20. [전처리] 시퀀스 전처리
   21. [전처리] 텍스트 전처리
   22. [전처리] 이미지 전처리
2. Metrics
3. 손실
4. 최적화기
5. 활성화
6. Callbacks
7. 데이터셋
8. 애플리케이션
9. 백엔드 1
10. 백엔드 2
11. 백엔드 3
12. 백엔드 4
13. 백엔드 5
14. 초기화기
15. 정규화기
16. 제한
17. 시각화
18. Scikit-Learn API
19. 유용한 도구

활성화의 사용법

활성화는 Activation 계층을 통해서나 모든 앞 계층의 지원을 받는 activation 인수를 통해서나 사용될 수 있습니다:

from keras.layers import Activation, Dense

model.add(Dense(64))
model.add(Activation('tanh'))

이 것은 다음과 완전히 같습니다:

model.add(Dense(64, activation='tanh'))

또한 요소 단위의 TensorFlow/Theano/CNTK 함수를 활성화로써 넘길 수 있습니다:

from keras import backend as K

model.add(Dense(64, activation=K.tanh))
model.add(Activation(K.tanh))

사용 가능한 activations

softmax

softmax(x, axis=-1)

Softmax 활성화 함수입니다.

인수

• x: 텐서입니다.
• axis: 정수이며 softmax 표준화가 적용되는 축입니다.

반환값

텐서이며 softmax 변환의 출력을 반환합니다.

예외 발생

• ValueError: dim(x) == 1인 경우입니다.

elu

elu(x, alpha=1.0)

selu

selu(x)

Scaled Exponential Linear Unit의 약자입니다. Klambauer et al., 2017 논문을 참고하세요.

인수

• x: 활성화 함수를 계산하기 위한 텐서나 변수입니다.

참고

• Self-Normalizing Neural Networks

softplus

softplus(x)

softsign

softsign(x)

relu

relu(x, alpha=0.0, max_value=None)

tanh

tanh(x)

sigmoid

sigmoid(x)

hard_sigmoid

hard_sigmoid(x)

linear

linear(x)

"고급 활성화"

단순한 TensorFlow/Theano/CNTK 함수보다 좀 더 복잡한 활성화(예를 들어 학습가능한 상태유지형 활성화)를 고급 활성화 계층과 같이 사용가능하며 keras.layers.advanced_activations 모듈에서 찾을 수 있습니다. PReLU나 LeakyReLU도 포함되어 있습니다.

이 문서는 Keras의 Activations을 번역한 것입니다.