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

Add [source]

keras.layers.merge.Add()

입력의 리스트를 추가하는 계층입니다.

모두 같은 형태를 가진 텐서의 리스트를 입력으로 받아서 (역시나 같은 형태의) 텐서 하나를 반환합니다.

예제

import keras

input1 = keras.layers.Input(shape=(16,))
x1 = keras.layers.Dense(8, activation='relu')(input1)
input2 = keras.layers.Input(shape=(32,))
x2 = keras.layers.Dense(8, activation='relu')(input2)
added = keras.layers.Add()([x1, x2])  # equivalent to added = keras.layers.add([x1, x2])

out = keras.layers.Dense(4)(added)
model = keras.models.Model(inputs=[input1, input2], outputs=out)

Multiply [source]

keras.layers.merge.Multiply()

입력의 리스트를 요소 단위에서 곱하는 계층입니다.

모두 같은 형태를 가진 텐서의 리스트를 입력으로 받아서 (역시나 같은 형태의) 텐서 하나를 반환합니다.

Average [source]

keras.layers.merge.Average()

입력의 리스트의 평균을 구하는 계층입니다.

모두 같은 형태를 가진 텐서의 리스트를 입력으로 받아서 (역시나 같은 형태의) 텐서 하나를 반환합니다.

Maximum [source]

keras.layers.merge.Maximum()

입력의 리스트의 요소 단위에서 최대값을 계산하는 계층입니다.

모두 같은 형태를 가진 텐서의 리스트를 입력으로 받아서 (역시나 같은 형태의) 텐서 하나를 반환합니다.

Concatenate [source]

keras.layers.merge.Concatenate(axis=-1)

입력의 리스트를 상호 연결(concatenate)시키는 계층입니다.

연결 축을 제외하고는 모두 같은 형태를 가진 텐서의 리스트를 입력으로 받아서 (역시나 같은 형태의) 텐서 하나와 연결된 전체 입력을 반환합니다.

인수

• axis: 연결 축 입니다.
• *kwargs: 표준 계층 키워드 인수 입니다.

Dot [source]

keras.layers.merge.Dot(axes, normalize=False)

두 텐서의 샘플 간 내적을 계산하는 계층입니다.

예를 들어 (batch_size, n) 형태인 텐서 a와 b에 적용되면, 출력은 (batch_size, 1) 형태의 텐서가 되며 각 entry i는 a[i]와 b[i] 간의 내적값이 됩니다.

인수

• axes: 정수 혹은 정수의 튜플이며 내적을 할 축 혹은 복수의 축 입니다.
• normalize: 내적을 하기 전 내적 축을 따라 샘플을 L2-표준화 할 지 여부 입니다. True인 경우, 내적의 출력은 두 샘플 간의 코사인 유사도(cosine proximity)입니다.
• *kwargs: 표준 계층 키워드 인수 입니다.

add

add(inputs)

Add 계층에 대한 함수형 API 입니다.

인수

• inputs: 입력 텐서(최소 2개)의 리스트 입니다.
• *kwargs: 표준 계층 키워드 인수 입니다.

반환값

텐서로 입력의 합을 반환합니다.

예제

import keras

input1 = keras.layers.Input(shape=(16,))
x1 = keras.layers.Dense(8, activation='relu')(input1)
input2 = keras.layers.Input(shape=(32,))
x2 = keras.layers.Dense(8, activation='relu')(input2)
added = keras.layers.add([x1, x2])

out = keras.layers.Dense(4)(added)
model = keras.models.Model(inputs=[input1, input2], outputs=out)