[source]

Add

keras.layers.Add()

入力のリスト同士を足し合わせるレイヤー.

入力はすべて同じshapeをもったテンソルのリストで,1つのテンソルを返す(shapeは同じ).

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)

[source]

Subtract

keras.layers.Subtract()

2つの入力の引き算をするレイヤー.

入力は同じshapeのテンソルのリストを2つで,1つのテンソルを返す(inputs[0] - inputs[1]). 返すテンソルも同じshapeです.

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()

入力のリストの要素同士の積のレイヤー.

入力はすべて同じshapeをもったテンソルのリストで,1つのテンソルを返す(shapeは同じ).


[source]

Average

keras.layers.Average()

入力のリストを平均するレイヤー.

入力はすべて同じshapeをもったテンソルのリストで,1つのテンソルを返す(shapeは同じ).


[source]

Maximum

keras.layers.Maximum()

入力のリストの要素間の最大値を求めるレイヤー.

入力はすべて同じshapeをもったテンソルのリストで,1つのテンソルを返す(shapeは同じ).


[source]

Concatenate

keras.layers.Concatenate(axis=-1)

入力のリストをconcatenateするレイヤー.

入力は,concatenateする際のaxisを除き,すべて同じshapeをもったテンソルのリストで,全入力をconcatenateした1つのテンソルを返す.

引数

  • axis: concatenateする際のaxis.
  • **kwargs: 標準的なレイヤーのキーワード引数.

[source]

Dot

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

2つのテンソルのサンプル間でdot積を計算するレイヤー.

例.もしshapeがbatch_size, nの2つのテンソルabに適用する場合,出力されるテンソルのshapeは,(batch_size, 1),出力の要素 i は,a[i]b[i]のdot積.

引数

  • axes: 整数か整数のタプル.dot積をとる際にaxisかaxesのどちらを使うか.
  • normalize: dot積をとる前にdot積のaxisでサンプルをL2正規化するかどうか. Trueなら,dot積の出力は,2つのサンプルのcosine.
  • **kwargs: 標準的なレイヤーのキーワード引数.

add

keras.layers.add(inputs)

Addレイヤーの関数インターフェース.

引数

  • inputs: 入力テンソルのリスト(最低2つ).
  • **kwargs: 標準的なレイヤーのキーワード引数.

戻り値

入力の総和のテンソル.

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レイヤーの関数インターフェース.

引数

  • inputs: 入力テンソルのリスト(最低2つ).
  • **kwargs: 標準的なレイヤーのキーワード引数.

戻り値

入力の差のテンソル.

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レイヤーの関数インターフェース.

引数

  • inputs: 入力テンソルのリスト(最低2つ).
  • **kwargs: 標準的なレイヤーのキーワード引数.

戻り値

入力の要素同士の積のテンソル.


average

keras.layers.average(inputs)

Averageレイヤーの関数インターフェース.

引数

  • inputs: 入力テンソルのリスト(最低2つ).
  • **kwargs: 標準的なレイヤーのキーワード引数.

戻り値

入力の平均のテンソル.


maximum

keras.layers.maximum(inputs)

Maximumレイヤーの関数インターフェース.

引数

  • inputs: 入力テンソルのリスト(最低2つ).
  • **kwargs: 標準的なレイヤーのキーワード引数.

戻り値

入力の要素間の最大値のテンソル.


concatenate

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

Concatenateレイヤーの関数インターフェース.

引数

  • inputs: 入力テンソルのリスト(最低2つ).
  • axis: Concatenation axis.
  • **kwargs: 標準的なレイヤーのキーワード引数.

戻り値

入力をaxisの方向でconcateしたテンソル.


dot

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

Dotレイヤーの関数インターフェース.

引数

  • inputs: 入力テンソルのリスト(最低2つ).
  • axes: 整数か整数のタプル.dot積をとる際にaxisかaxesのどちらを使うか.
  • normalize: dot積をとる前にdot積のaxisでサンプルをL2正規化するかどうか. Trueなら,dot積の出力は,2つのサンプルのcosine.
  • **kwargs: 標準的なレイヤーのキーワード引数.

戻り値

入力のdot積をとったテンソル.