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

sin

sin(x)

요소 단위로 x의 사인 값을 계산합니다.

인수

• x: 텐서 혹은 변수입니다.

반환값

텐서를 반환합니다.

cos

cos(x)

요소 단위로 x의 코사인 값을 계산합니다.

인수

• x: 텐서 혹은 변수입니다.

반환값

텐서를 반환합니다.

normalize_batch_in_training

normalize_batch_in_training(x, gamma, beta, reduction_axes, epsilon=0.001)

Batch의 평균과 표준편차를 계산하여 batch 표준화를 적용합니다.

인수

• x: 입력 텐서 혹은 변수입니다.
• gamma: 입력을 스케일링할 때 적용할 텐서입니다.
• beta: 입력의 가운데 값이 될 텐서입니다.
• reduction_axes: 정수의 iterable이며 표준화할 축입니다.
• epsilon: 0으로 숫자가 나뉠 때의 에러를 방지하기 위한 인자의 값입니다.

반환값

다음과 같은 형식의 길이가 3인 튜플을 반환합니다: (normalized_tensor, mean, variance).

batch_normalization

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

• x: 입력 텐서 혹은 변수입니다.
• mean: batch의 평균입니다.
• var: batch의 분산입니다.
• beta: 입력의 가운데 값이 될 텐서입니다.
• gamma: 입력을 스케일링할 때 적용할 텐서입니다.
• epsilon: 0으로 숫자가 나뉠 때의 에러를 방지하기 위한 인자의 값입니다.

반환값

텐서를 반환합니다.

concatenate

concatenate(tensors, axis=-1)

지정된 축을 따라 텐서의 리스트를 상호연결합니다.

인수

• tensors: 상호연결할 텐서의 리스트입니다.
• axis: 상호연결할 축입니다.

반환값