學習筆記：
在剛開始接觸Keras中神經網絡模型的函數式編程建模方式時有一點點不太理解，例如下面代碼段中的第二句代碼。
input = Input(shape=(config.lag, 5))
lstm = LSTM(config.units_num, input_shape=(config.lag, 5), return_sequences=True)(input)在初步瞭解了Keras中模型的函數式編程建模方式後，我們可以知道，這兩句代碼的含義是首先創建一個模型的輸入層（input）對應於代碼段中的第一句代碼，然後將這個輸入層傳入給LSTM層（lstm），作爲LSTM層的輸入層，對應於代碼段中的第二句代碼。
我的疑問是LSTM(config.units_num, input_shape=(config.lag, 5), return_sequences=True),這句代碼應該會返回一個LSTM類的對象，那麼直接使用對象+()即後面跟着的(input)的方式就可以完成將input設置爲LSTM層的輸入層這樣一個任務嗎，其實現的原理是什麼呢。
在查閱了一些資料後發現，對於python語言而言，使用類對象+()的方式會自動調用類中的__call__()方法。這樣的操作相當於把類對象當作函數在調用它，故當程序運行到LSTM(...)(input)這行代碼時，實際上就完成了兩個操作：第一：創建了一個LSTM類對象，第二：將input對象作爲形參傳入到LSTM類對象的__call__(self,inputs,...[該方法有很多參數，就不一一寫出了])方法中，並調用該方法，完成LSTM層的創建。
至此Keras中函數式編程建模代碼之所以可以這樣寫，我們已經瞭解清楚了。