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

LeakyReLU [source]

keras.layers.advanced_activations.LeakyReLU(alpha=0.3)

구멍으로 새는 ReLU(Leaky version of a Rectified Linear Unit) 활성화 함수입니다.

단위가 활성화되지 않았을 때 다음과 같이 작은 기울기만 허락합니다: f(x) = alpha * x for x < 0, f(x) = x for x >= 0.

입력 형태

임의입니다. 이 계층을 모델의 첫번째 계층으로 쓰고자 할 때에는 키워드 인수 input_shape(샘플 축을 포함하지 않는 정수 튜플)을 사용하세요.

출력 형태

입력과 같은 형태입니다.

인수

• alpha: 0 보다 큰 실수이며 음의 기울기 계수입니다.

참고

• Rectifier Nonlinearities Improve Neural Network Acoustic Models

PReLU [source]

keras.layers.advanced_activations.PReLU(alpha_initializer='zeros', alpha_regularizer=None, alpha_constraint=None, shared_axes=None)

파라미터 ReLU(Parametric Rectified Linear Unit) 활성화 함수입니다.

alpha가 x와 같은 형태의 학습된 배열일 때 다음을 따릅니다: f(x) = alpha * x for x < 0, f(x) = x for x >= 0.

입력 형태

임의입니다. 이 계층을 모델의 첫번째 계층으로 쓰고자 할 때에는 키워드 인수 input_shape(샘플 축을 포함하지 않는 정수 튜플)을 사용하세요.

출력 형태

입력과 같은 형태입니다.

인수

• alpha_initializer: 가중치에 대한 초기화기 함수입니다.
• alpha_regularizer: 가중치에 대한 정규화기 입니다.
• alpha_constraint: 가중치에 대한 제한 함수입니다.
• shared_axes: 활성화 함수의 학습 가능한 파라미터를 공유하는 축입니다. 예를 들어, (batch, height, width, channels)과 같은 출력 형태의 2차원 합성곱으로부터 들어오는 feature map이 있고 각 필터가 한 세트의 파라미터만을 가지도록 공간을 가로질러 파리미터를 공유하고자 한다면 shared_axes=[1, 2]과 같이 설정하세요.

참고

• Delving Deep into Rectifiers: Surpassing Human-Level Performance on ImageNet Classification

ELU [source]

keras.layers.advanced_activations.ELU(alpha=1.0)

지수 선형 단위(Exponential Linear Unit) 활성화 함수입니다.

다음을 따릅니다: f(x) = alpha * (exp(x) - 1.) for x < 0, f(x) = x for x >= 0.

입력 형태

임의입니다. 이 계층을 모델의 첫번째 계층으로 쓰고자 할 때에는 키워드 인수 input_shape(샘플 축을 포함하지 않는 정수 튜플)을 사용하세요.

출력 형태

입력과 같은 형태입니다.

인수

• alpha: 음의 인자에 대한 가늠자 입니다.

참고

• Fast and Accurate Deep Network Learning by Exponential Linear Units (ELUs)

ThresholdedReLU [source]

keras.layers.advanced_activations.ThresholdedReLU(theta=1.0)

역치 ReLU(Thresholded Rectified Linear Unit) 활성화 함수입니다.

다음을 따릅니다: f(x) = x for x > theta, f(x) = 0 otherwise.

입력 형태

임의입니다. 이 계층을 모델의 첫번째 계층으로 쓰고자 할 때에는 키워드 인수 input_shape(샘플 축을 포함하지 않는 정수 튜플)을 사용하세요.

출력 형태

입력과 같은 형태입니다.

인수

• theta: 0 보다 큰 실수이며 활성화 역치의 위치 입니다.

참고

• Zero-Bias Autoencoders and the Benefits of Co-Adapting Features

이 문서는 Keras의 Advanced Activations Layers을 번역한 것입니다.