我最近开始使用Keras，在他们的文档中，只显示了几行代码
inp = Input(shape=(2,))
hl_x = Dense(4,activation='tanh',name= 'First_Hidden_Layer_Following_Input' )(inp)
其中
type(Input)
>> function
type(inp)
>>>tensorflow.python.framework.ops.Tensor
Input是一个函数，inp是类型为tensor的变量
这是什么意思，它是如何工作的？
我不是Keras的专家，但我会尝试突出显示它。
首先，Keras中的所有图层都是可调用对象，例如他们定义了__call__方法。这是什么意思？这样的类可以用作函数：
x = np.random.randint(0,10,(10,10))
functor = Layer()
res = functor(x)
这本身不是Keras的功能，只是一般的Python语法。由于与函数调用相比，对象的生命周期可能更长，因此您可能会在对象内部积累一些中间数据，例如一层可以保留所有相关的渐变。
第二，我猜是，但是我不确定，这种方法可以解决性能问题。当您定义模型时，不会发生太多事情。实际上，您只需将各层之间的输入和输出链接到一个有向图/网络中...就这样，仅此而已，就计算资源而言这非常便宜，您只需通过传递 inp来定义模型的结构和 h1_x 在各层之间，每一层只是将其注册为自己的输入/输出。所有的魔术和沉重的工作都会在以后发生-在model.compile（）和实际训练/推断阶段。
, Dense(....)返回对象that can be __called__()，类似于参数化函数：
def print_multiple(k):
"""Returns a function that prints 'k' times whatever you give it."""
return lambda x: print(*(x for _ in range(k)))
print_multiple(6)("Merry")
print_multiple(4)("Christmas")
打印
Merry Merry Merry Merry Merry Merry
Christmas Christmas Christmas Christmas
keras.layers.dense是一个可调用对象-大致如下：
class PrintMult:
"""Object that prints 'how_often' times whatever you give it."""
def __init__(self,how_often):
self.how_often = how_often
def __call__(self,what_ever):
print(*(what_ever for _ in range(self.how_often)))
PrintMult(5)("Yeeha") # Yeeha Yeeha Yeeha Yeeha Yeeha