[TensorFlow] Concatenate Layer 예제
tf.keras.layers.Concatenate
레이어는 여러 개의 레이어의 출력을 합쳐 하나의 특징 맵으로 만드는 역할을 합니다. 이를 통해 다양한 정보를 결합하여 더 복잡한 특징을 추출할 수 있습니다. 아래는 tf.keras.layers.Concatenate
레이어를 사용한 예제입니다.
import tensorflow as tf
## 더미 데이터 생성
data_1 = tf.random.normal(shape=(4, 8))
data_2 = tf.random.normal(shape=(4, 8))
## Concatenate 레이어 정의
concatenate_layer = tf.keras.layers.Concatenate()
## Concatenate 레이어 실행
concatenated_data = concatenate_layer([data_1, data_2])
print("Data 1:")
print(data_1)
print("\nData 2:")
print(data_2)
print("\nConcatenated data:")
print(concatenated_data)`
위 예제에서는 tf.keras.layers.Concatenate
레이어를 사용하여 두 개의 4x8 크기의 더미 데이터에 대한 레이어를 정의하고 실행합니다. 입력 데이터는 리스트로 전달되며, 리스트 내의 데이터가 합쳐집니다.
실행 결과 예시:
`Data 1:
[[-0.6767696 0.50640184 0.48408416 -1.7319225 0.47935787 0.02960949 0.22203806 -0.18661933]
[ 0.16212203 0.00625151 -0.23637217 -0.1994282 -1.1369998 -1.4519073 0.8338972 -0.25679192]
[ 0.04218664 0.01154247 -0.37905234 1.2856978 1.3137298 -0.83012474 -0.01855423 1.3862859 ]
[-0.4234931 -0.26983717 -1.6039538 0.9820322 1.6953092 -0.6627208 0.11286679 0.16121684]]
Data 2:
[[-0.68068707 -0.45454302 0.00232774 -0.3311097 1.0599198 0.20184675 -1.1333168 -0.89905673]
[ 0.18776281 1.6985769 0.5795617 0.52436334 1.0041178 0.70230234 -0.01318134 -0.03258059]
[-1.5998565 -0.54635024 -0.13833067 -1.8409641 -0.68900037 0.41783452 1.2998827 -1.6017975 ]
[-0.28412068 1.6879059 0.37805444 -1.2383838 0.28330806 -0.2955667 -0.14043108 -0.1549188 ]]
Concatenated data:
[[-0.6767696 0.50640184 0.48408416 -1.7319225 0.47935787 0.02960949 0.22203806 -0.18661933 -0.68068707 -0.45454302 0.00232774 -0.3311097 1.0599198 0.20184675 -1.1333168 -0.89905673]
[ 0.16212203 0.00625151 -0.23637217 -0.1994282 -1.1369998 -1.4519073 0.8338972 -0.25679192 0.18776281 1.6985769 0.5795617 0.52436334 1.0041178 0.70230234 -0.01318134 -0.03258059]
[ 0.04218664 0.01154247 -0.37905234 1.2856978 1.3137298 -0.83012474 -0.01855423 1.3862859 -1.5998565 -0.54635024 -0.13833067 -1.8409641 -0.68900037 0.41783452 1.2998827 -1.6017975 ]
[-0.4234931 -0.26983717 -1.6039538`