Merge层
Merge层提供了一系列用于融合两个层或两个张量的层对象和方法。以大写首字母开头的是Layer类，以小写字母开头的是张量的函数。小写字母开头的张量函数在内部实际上是调用了大写字母开头的层。
Add
keras.layers.Add()
添加输入列表的图层。
该层接收一个相同shape列表张量，并返回它们的和，shape不变。
Example
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)
SubStract
keras.layers.Subtract()
两个输入的层相减。
它将大小至少为2，相同Shape的列表张量作为输入，并返回一个张量（输入[0] - 输入[1]），也是相同的Shape。
Example
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)
Multiply
keras.layers.Multiply()
该层接收一个列表的同shape张量，并返回它们的逐元素积的张量，shape不变。
Average
keras.layers.Average()
该层接收一个列表的同shape张量，并返回它们的逐元素均值，shape不变。
Maximum
keras.layers.Maximum()
该层接收一个列表的同shape张量，并返回它们的逐元素最大值，shape不变。
Concatenate
keras.layers.Concatenate(axis=-1)
该层接收一个列表的同shape张量，并返回它们的按照给定轴相接构成的向量。
参数
- axis: 想接的轴
- **kwargs: 普通的Layer关键字参数
Dot
keras.layers.Dot(axes, normalize=False)
计算两个tensor中样本的张量乘积。例如，如果两个张量a和b的shape都为（batch_size, n），则输出为形如（batch_size,1）的张量，结果张量每个batch的数据都是a[i,:]和b[i,:]的矩阵（向量）点积。
参数
- axes: 整数或整数的tuple，执行乘法的轴。
- normalize: 布尔值，是否沿执行成绩的轴做L2规范化，如果设为True，那么乘积的输出是两个样本的余弦相似性。
- **kwargs: 普通的Layer关键字参数
add
keras.layers.add(inputs)
Add层的函数式包装
参数：
- inputs: 长度至少为2的张量列表A
- **kwargs: 普通的Layer关键字参数
返回值
输入列表张量之和
Example
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层的函数式包装
参数：
- inputs: 长度至少为2的张量列表A
- **kwargs: 普通的Layer关键字参数
返回值
输入张量列表的差别
Example
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的函数式包装
参数：
- inputs: 长度至少为2的张量列表
- **kwargs: 普通的Layer关键字参数
返回值
输入列表张量之逐元素积
average
keras.layers.average(inputs)
Average的函数包装
参数：
- inputs: 长度至少为2的张量列表
- **kwargs: 普通的Layer关键字参数
返回值
输入列表张量之逐元素均值
maximum
keras.layers.maximum(inputs)
Maximum的函数包装
参数：
- inputs: 长度至少为2的张量列表
- **kwargs: 普通的Layer关键字参数
返回值
输入列表张量之逐元素均值
concatenate
keras.layers.concatenate(inputs, axis=-1)
Concatenate的函数包装
参数
- inputs: 长度至少为2的张量列
- axis: 相接的轴
- **kwargs: 普通的Layer关键字参数
dot
keras.layers.dot(inputs, axes, normalize=False)
Dot的函数包装
参数
- inputs: 长度至少为2的张量列
- axes: 整数或整数的tuple，执行乘法的轴。
- normalize: 布尔值，是否沿执行成绩的轴做L2规范化，如果设为True，那么乘积的输出是两个样本的余弦相似性。
- **kwargs: 普通的Layer关键字参数
艾伯特(http://www.aibbt.com/)国内第一家人工智能门户