[source]

Add

keras.layers.Add()

添加输入列表的层.

它以所有形状相同的张量列表作为输入,并返回单个张量(形状也相同).

Examples

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)
# equivalent to added = keras.layers.add([x1, x2])
added = keras.layers.Add()([x1, x2])

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

[source]

Subtract

keras.layers.Subtract()

减去两个输入的图层.

它以大小均相同的大小为2的张量列表作为输入,并返回一个形状也相同的单个张量(inputs [0] -inputs [1]).

Examples

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)
# Equivalent to subtracted = keras.layers.subtract([x1, x2])
subtracted = keras.layers.Subtract()([x1, x2])

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

[source]

Multiply

keras.layers.Multiply()

将输入列表相乘(在元素方面)的层.

它以所有形状相同的张量列表作为输入,并返回单个张量(形状也相同).


[source]

Average

keras.layers.Average()

平均输入列表的层.

它以所有形状相同的张量列表作为输入,并返回单个张量(形状也相同).


[source]

Maximum

keras.layers.Maximum()

计算最大值(在元素方面)的输入列表的层.

它以所有形状相同的张量列表作为输入,并返回单个张量(形状也相同).


[source]

Minimum

keras.layers.Minimum()

计算最小值(在元素方面)的输入列表的层.

它以所有形状相同的张量列表作为输入,并返回单个张量(形状也相同).


[source]

Concatenate

keras.layers.Concatenate(axis=-1)

连接输入列表的层.

它以一个张量列表作为输入作为输入,除了级联轴外,它们均具有相同的形状,并返回单个张量,即所有输入的级联.

Arguments

  • axis :要连接的轴.
  • ** kwargs :标准层关键字参数.

[source]

Dot

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

计算两个张量的样本之间的点积的层.

例如,如果将其应用于形状为(batch_size, n)的两个张量ab的列表,则输出将为形状为(batch_size, 1)的张量,其中每个条目i将是a[i]b[i]之间的点积. b[i] .

Arguments

  • axes :整数,整数或整数元组,一个或多个取点积的坐标轴.
  • 归一化 :获取点积之前是否沿点积轴对样本进行L2归一化. 如果设置为True,则点积的输出是两个样本之间的余弦接近度.
  • ** kwargs :标准层关键字参数.

add

keras.layers.add(inputs)

Add层的功能接口.

Arguments

  • 输入 :输入张量的列表(至少2个).
  • ** kwargs :标准层关键字参数.

Returns

张量,输入的总和.

Examples

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)

subtract

keras.layers.subtract(inputs)

Subtract层的功能接口.

Arguments

  • 输入 :输入张量的列表(恰好2个).
  • ** kwargs :标准层关键字参数.

Returns

张量,输入之差.

Examples

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)
subtracted = keras.layers.subtract([x1, x2])

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

multiply

keras.layers.multiply(inputs)

Multiply层的功能接口.

Arguments

  • 输入 :输入张量的列表(至少2个).
  • ** kwargs :标准层关键字参数.

Returns

张量,即输入的按元素乘积.


average

keras.layers.average(inputs)

Average层的功能接口.

Arguments

  • 输入 :输入张量的列表(至少2个).
  • ** kwargs :标准层关键字参数.

Returns

张量,输入的平均值.


maximum

keras.layers.maximum(inputs)

到" Maximum层的功能接口.

Arguments

  • 输入 :输入张量的列表(至少2个).
  • ** kwargs :标准层关键字参数.

Returns

张量,即输入的元素方向最大值.


minimum

keras.layers.minimum(inputs)

Minimum层的功能接口.

Arguments

  • 输入 :输入张量的列表(至少2个).
  • ** kwargs :标准层关键字参数.

Returns

张量,即输入的元素方向最小值.


concatenate

keras.layers.concatenate(inputs, axis=-1)

Concatenate层的功能接口.

Arguments

  • 输入 :输入张量的列表(至少2个).
  • axis :串联轴.
  • ** kwargs :标准层关键字参数.

Returns

张量,输入与轴axis的串联.


dot

keras.layers.dot(inputs, axes, normalize=False)

Dot层的功能接口.

Arguments

  • 输入 :输入张量的列表(至少2个).
  • axes :整数,整数或整数元组,一个或多个取点积的坐标轴.
  • 归一化 :获取点积之前是否沿点积轴对样本进行L2归一化. 如果设置为True,则点积的输出是两个样本之间的余弦接近度.
  • ** kwargs :标准层关键字参数.

Returns

张量,即输入中样本的点积.