[TensorFlow] Activation Layer 예제
tf.keras.layers.Activation 레이어는 다양한 활성화 함수를 적용하기 위해 사용됩니다. 활성화 함수는 뉴런의 출력을 변환하는 함수로, 신경망의 비선형성을 도입하고 모델의 표현력을 향상시키는 역할을 합니다. 아래는 tf.keras.layers.Activation 레이어를 사용한 예제입니다.
import tensorflow as tf
## 더미 데이터 생성
dummy_data = tf.random.normal(shape=(4, 8))
## Activation 레이어 정의 (ReLU 활성화 함수)
activation_layer = tf.keras.layers.Activation('relu')
## Activation 레이어 실행
activated_data = activation_layer(dummy_data)
print("Input data:")
print(dummy_data)
print("\nActivated data:")
print(activated_data)`
위 예제에서는 tf.keras.layers.Activation 레이어를 사용하여 4x8 크기의 더미 데이터에 대한 레이어를 정의하고 실행합니다. 'relu'로 설정하여 ReLU (Rectified Linear Unit) 활성화 함수를 적용합니다.
실행 결과 예시:
Input data:
[[-0.26600003 -1.2244318 1.1742276 -0.39295354 -0.4721867 0.09440519 0.3388326 1.134619 ]
[ 0.4711468 -0.12247454 -1.4646811 -1.0220486 0.49504653 0.05365299 -0.50607544 1.3647636 ]
[ 1.3306162 -1.0787169 0.06737287 1.6701592 0.8705249 0.16784191 -0.00591818 -1.0294815 ]
[ 0.31209332 0.02744072 0.5697868 -0.25555646 -1.503792 0.5978992 -0.3693774 -1.0019941 ]]
Activated data:
[[0. 0. 1.1742276 0. 0. 0.09440519 0.3388326 1.134619 ]
[0.4711468 0. 0. 0. 0.49504653 0.05365299 0. 1.3647636 ]
[1.3306162 0. 0.06737287 1.6701592 0.8705249 0.16784191 0. 0. ]
[0.31209332 0.02744072 0.5697868 0. 0. 0.5978992 0. 0. ]]`
위에서 확인할 수 있듯이, 입력 데이터와 활성화 함수를 적용한 데이터가 출력됩니다. tf.keras.layers.Activation 레이어를 사용하여 다양한 활성화 함수를 적용하여 모델을 구성할 수 있습니다.