sin(x)
요소 단위로 x의 사인 값을 계산합니다.
인수
반환값
텐서를 반환합니다.
cos(x)
요소 단위로 x의 코사인 값을 계산합니다.
인수
반환값
텐서를 반환합니다.
normalize_batch_in_training(x, gamma, beta, reduction_axes, epsilon=0.001)
Batch의 평균과 표준편차를 계산하여 batch 표준화를 적용합니다.
인수
반환값
다음과 같은 형식의 길이가 3인 튜플을 반환합니다: (normalized_tensor, mean, variance)
.
batch_normalization(x, mean, var, beta, gamma, epsilon=0.001)
주어진 평균, 분산, 베타, 감마 값을 x에 적용하여 batch 표준화합니다.
즉 다음을 반환합니다:output = (x - mean) / (sqrt(var) + epsilon) * gamma + beta
인수
반환값
텐서를 반환합니다.
concatenate(tensors, axis=-1)
지정된 축을 따라 텐서의 리스트를 상호연결합니다.
인수
반환값
텐서를 반환합니다.
ndim(x)
텐서의 축의 갯수를 정수로 반환합니다.
인수
반환값
축의 갯수를 정수(스칼라)로 반환합니다.
예제
>>> from keras import backend as K
>>> inputs = K.placeholder(shape=(2, 4, 5))
>>> val = np.array([[1, 2], [3, 4]])
>>> kvar = K.variable(value=val)
>>> K.ndim(inputs)
3
>>> K.ndim(kvar)
2
dtype(x)
Keras 텐서 혹은 변수의 데이터형을 문자열로 반환합니다.
인수
반환값
x
의 데이터형을 문자열로 반환합니다.
예제
>>> from keras import backend as K
>>> K.dtype(K.placeholder(shape=(2,4,5)))
'float32'
>>> K.dtype(K.placeholder(shape=(2,4,5), dtype='float32'))
'float32'
>>> K.dtype(K.placeholder(shape=(2,4,5), dtype='float64'))
'float64'
__Keras variable__
>>> kvar = K.variable(np.array([[1, 2], [3, 4]]))
>>> K.dtype(kvar)
'float32_ref'
>>> kvar = K.variable(np.array([[1, 2], [3, 4]]), dtype='float32')
>>> K.dtype(kvar)
'float32_ref'
eval(x)
변수의 값을 평가합니다.