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

sum

sum(x, axis=None, keepdims=False)

지정된 축을 따라 텐서의 값을 더합니다.

인수

• x: 텐서 혹은 변수입니다.
• axis: 정수이며, 값을 더할 축입니다.
• keepdims: 부울이며 해당 차원을 유지할 지 여부 입니다. False인 경우, 텐서의 랭크는 1이 줄어듭니다. True인 경우, 줄어든 차원은 길이가 1로 유지됩니다.

반환값

x를 더한 값과 텐서를 반환합니다.

prod

prod(x, axis=None, keepdims=False)

텐서 내의 값을 지정된 축을 따라 곱합니다.

인수

• x: 텐서 혹은 변수입니다.
• axis: 정수이며, 곱셈을 계산할 축입니다.
• keepdims: 부울이며 해당 차원을 유지할 지 여부 입니다. False인 경우, 텐서의 랭크는 1이 줄어듭니다. True인 경우, 줄어든 차원은 길이가 1로 유지됩니다.

반환값

x의 곱셈값과 텐서를 반환합니다.

cumsum

cumsum(x, axis=0)

텐서 내의 값을 지정된 축을 따라 누적 합니다.

인수

• x: 텐서 혹은 변수입니다.
• axis: An integer, the axis to compute the sum.

반환값

A tensor of the cumulative sum of values of x along axis.

cumprod

cumprod(x, axis=0)

Cumulative product of the values in a tensor, alongside the specified axis.

인수

• x: 텐서 혹은 변수입니다.
• axis: An integer, the axis to compute the product.

반환값

A tensor of the cumulative product of values of x along axis.

var

var(x, axis=None, keepdims=False)

Variance of a tensor, alongside the specified axis.

인수

• x: 텐서 혹은 변수입니다.
• axis: An integer, the axis to compute the variance.
• keepdims: A boolean, whether to keep the dimensions or not. If keepdims is False, the rank of the tensor is reduced by 1. If keepdims is True, the reduced dimension is retained with length 1.

반환값

A tensor with the variance of elements of x.

rnn

rnn(step_function, inputs, initial_states, go_backwards=False, mask=None, constants=None, unroll=False, input_length=None)

Iterates over the time dimension of a tensor.

인수

• step_function: RNN step function.
• Parameters:inputs: tensor with shape (samples, ...) (no time dimension), representing input for the batch of samples at a certain time step.states: list of tensors.
• 반환값:outputs: tensor with shape (samples, output_dim) (no time dimension).new_states: list of tensors, same length and shapes as 'states'. The first state in the list must be the output tensor at the previous timestep.
• inputs: tensor of temporal data of shape (samples, time, ...) (at least 3D).
• initial_states: tensor with shape (samples, output_dim) (no time dimension), containing the initial values for the states used in the step function.
• go_backwards: boolean. If True, do the iteration over the time dimension in reverse order and return the reversed sequence.
• mask: binary tensor with shape (samples, time, 1), with a zero for every element that is masked.
• constants: a list of constant values passed at each step.
• unroll: whether to unroll the RNN or to use a symbolic loop (while_loopor scan depending on backend).
• input_length: not relevant in the TensorFlow implementation. Must be specified if using unrolling with Theano.

반환값

A tuple, (last_output, outputs, new_states).

• last_output: the latest output of the rnn, of shape (samples, ...)
• outputs: tensor with shape (samples, time, ...) where each entry outputs[s, t] is the output of the step function at time t for sample s.
• new_states: list of tensors, latest states returned by the step function, of shape (samples, ...).

예외 발생

• ValueError: if input dimension is less than 3.
• ValueError: if unroll is True but input timestep is not a fixed number.
• ValueError: if mask is provided (not None) but states is not provided (len(states) == 0).

switch

switch(condition, then_expression, else_expression)