- TensorFlow - 구글 머신러닝 플랫폼
- 1. 텐서 기초 살펴보기
- 2. 간단한 신경망 만들기
- 3. 손실 함수 살펴보기
- 4. 옵티마이저 사용하기
- 5. AND 로직 연산 학습하기
- 6. 뉴런층의 속성 확인하기
- 7. 뉴런층의 출력 확인하기
- 8. MNIST 손글씨 이미지 분류하기
- 9. Fashion MNIST 이미지 분류하기
- 10. 합성곱 신경망 사용하기
- 11. 말과 사람 이미지 분류하기
- 12. 고양이와 개 이미지 분류하기
- 13. 이미지 어그멘테이션의 효과
- 14. 전이 학습 활용하기
- 15. 다중 클래스 분류 문제
- 16. 시냅스 가중치 얻기
- 17. 시냅스 가중치 적용하기
- 18. 모델 시각화하기
- 19. 훈련 과정 시각화하기
- 20. 모델 저장하고 복원하기
- 21. 시계열 데이터 예측하기
- 22. 자연어 처리하기 1
- 23. 자연어 처리하기 2
- 24. 자연어 처리하기 3
- 25. Reference
- tf.cast
- tf.constant_initializer
- tf.constant
- tf.keras.activations.exponential
- tf.keras.activations.linear
- tf.keras.activations.relu
- tf.keras.activations.sigmoid
- tf.keras.activations.softmax
- tf.keras.activations.tanh
- tf.keras.datasets
- tf.keras.layers.Conv2D
- tf.keras.layers.Dense
- tf.keras.layers.Dropout
- tf.keras.layers.Flatten
- tf.keras.layers.GlobalAveragePooling2D
- tf.keras.layers.InputLayer
- tf.keras.layers.Maximum
- tf.keras.layers.Minimum
- tf.keras.layers.ZeroPadding2D
- tf.keras.metrics.Accuracy
- tf.keras.metrics.BinaryAccuracy
- tf.keras.Sequential
- tf.linspace
- tf.ones_initializer
- tf.ones
- tf.random_normal_initializer
- tf.random.normal
- tf.random.set_seed
- tf.random_uniform_initializer
- tf.random.uniform
- tf.range
- tf.rank
- tf.TensorShape
- tf.zeros_initializer
- tf.zeros
- Python Tutorial
- NumPy Tutorial
- Matplotlib Tutorial
- PyQt5 Tutorial
- BeautifulSoup Tutorial
- xlrd/xlwt Tutorial
- Pillow Tutorial
- Googletrans Tutorial
- PyWin32 Tutorial
- PyAutoGUI Tutorial
- Pyperclip Tutorial
- TensorFlow Tutorial
- Tips and Examples
tf.keras.layers.Maximum¶
tf.keras.layers.Maximum은 입력값 중 최대값을 계산합니다.
예제1¶
import tensorflow as tf
import numpy as np
x1 = np.arange(5).reshape(5, 1)
x2 = np.arange(5, 10).reshape(5, 1)
print(x1)
print(x2)
y = tf.keras.layers.Maximum()([x1, x2])
print(y)
[[0]
[1]
[2]
[3]
[4]]
[[5]
[6]
[7]
[8]
[9]]
tf.Tensor(
[[5]
[6]
[7]
[8]
[9]], shape=(5, 1), dtype=int64)
tf.keras.layers.Maximum은 동일한 형태를 갖는 텐서를 입력으로 받고,
각 텐서 값들의 최대값을 갖는 동일한 형태의 텐서를 반환합니다.
예제2¶
import tensorflow as tf
import numpy as np
x1 = tf.keras.layers.Dense(8)(np.arange(6).reshape(3, 2))
x2 = tf.keras.layers.Dense(8)(np.arange(6, 12).reshape(3, 2))
print(x1.shape)
print(x2.shape)
y = tf.keras.layers.Maximum()([x1, x2])
print(y.shape)
(3, 8)
(3, 8)
(3, 8)
x1, x2는 각각 tf.keras.layers.Dense() 레이어의 출력으로서 (3, 8) 형태를 갖는 텐서입니다.
y는 tf.keras.layers.Maximum()([x1, x2])의 출력으로서 입력 텐서들과 동일한 형태를 갖습니다.
이전글/다음글
다음글 : tf.keras.layers.Minimum