Docs »
Layers »
融合层 Merge
Add
keras.layers.Add()
计算输入张量列表的和。
它接受一个张量的列表， 所有的张量必须有相同的输入尺寸， 然后返回一个张量（和输入张量尺寸相同）。
例子
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)
# 相当于 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)
Subtract
keras.layers.Subtract()
计算两个输入张量的差。
它接受一个长度为 2 的张量列表， 两个张量必须有相同的尺寸，然后返回一个值为 (inputs[0] - inputs[1]) 的张量， 输出张量和输入张量尺寸相同。
例子
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)
# 相当于 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)
Multiply
keras.layers.Multiply()
计算输入张量列表的（逐元素间的）乘积。
它接受一个张量的列表， 所有的张量必须有相同的输入尺寸， 然后返回一个张量（和输入张量尺寸相同）。
[[source]][source]
Average
keras.layers.Average()
计算输入张量列表的平均值。
它接受一个张量的列表， 所有的张量必须有相同的输入尺寸， 然后返回一个张量（和输入张量尺寸相同）。
Maximum
keras.layers.Maximum()
计算输入张量列表的（逐元素间的）最大值。
它接受一个张量的列表， 所有的张量必须有相同的输入尺寸， 然后返回一个张量（和输入张量尺寸相同）。
Concatenate
keras.layers.Concatenate(axis=-1)
连接一个输入张量的列表。
它接受一个张量的列表， 除了连接轴之外，其他的尺寸都必须相同， 然后返回一个由所有输入张量连接起来的输出张量。
参数
- axis: 连接的轴。
- ****kwargs**: 层关键字参数。
Dot
keras.layers.Dot(axes, normalize=False)
计算两个张量之间样本的点积。
例如，如果作用于输入尺寸为 (batch_size, n) 的两个张量 a 和 b， 那么输出结果就会是尺寸为 (batch_size, 1) 的一个张量。 在这个张量中，每一个条目 i 是 a[i] 和 b[i] 之间的点积。
参数
- axes: 整数或者整数元组， 一个或者几个进行点积的轴。
-
normalize: 是否在点积之前对即将进行点积的轴进行 L2 标准化。 如果设置成
True，那么输出两个样本之间的余弦相似值。 - ****kwargs**: 层关键字参数。
add
keras.layers.add(inputs)
Add 层的函数式接口。
参数
- inputs: 一个输入张量的列表（列表大小至少为 2）。
- ****kwargs**: 层关键字参数。
返回
一个张量，所有输入张量的和。
例子
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 层的函数式接口。
参数
- inputs: 一个列表的输入张量（列表大小准确为 2）。
- ****kwargs**: 层的关键字参数。
返回
一个张量，两个输入张量的差。
例子
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 层的函数式接口。
参数
- inputs: 一个列表的输入张量（列表大小至少为 2）。
- ****kwargs**: 层的关键字参数。
返回
一个张量，所有输入张量的逐元素乘积。
average
keras.layers.average(inputs)
Average 层的函数式接口。
参数
- inputs: 一个列表的输入张量（列表大小至少为 2）。
- ****kwargs**: 层的关键字参数。
返回
一个张量，所有输入张量的平均值。
maximum
keras.layers.maximum(inputs)
Maximum 层的函数式接口。
参数
- inputs: 一个列表的输入张量（列表大小至少为 2）。
- ****kwargs**: 层的关键字参数。
返回
一个张量，所有张量的逐元素的最大值。
concatenate
keras.layers.concatenate(inputs, axis=-1)
Concatenate 层的函数式接口。
参数
- inputs: 一个列表的输入张量（列表大小至少为 2）。
- axis: 串联的轴。
- ****kwargs**: 层的关键字参数。
返回
一个张量，所有输入张量通过 axis 轴串联起来的输出张量。
dot
keras.layers.dot(inputs, axes, normalize=False)
Dot 层的函数式接口。
参数
- inputs: 一个列表的输入张量（列表大小至少为 2）。
- axes: 整数或者整数元组， 一个或者几个进行点积的轴。
- normalize: 是否在点积之前对即将进行点积的轴进行 L2 标准化。 如果设置成 True，那么输出两个样本之间的余弦相似值。
- ****kwargs**: 层的关键字参数。
返回
一个张量，所有输入张量样本之间的点积。
