学习笔记：
在刚开始接触Keras中神经网络模型的函数式编程建模方式时有一点点不太理解，例如下面代码段中的第二句代码。
input = Input(shape=(config.lag, 5))
lstm = LSTM(config.units_num, input_shape=(config.lag, 5), return_sequences=True)(input)在初步了解了Keras中模型的函数式编程建模方式后，我们可以知道，这两句代码的含义是首先创建一个模型的输入层（input）对应于代码段中的第一句代码，然后将这个输入层传入给LSTM层（lstm），作为LSTM层的输入层，对应于代码段中的第二句代码。
我的疑问是LSTM(config.units_num, input_shape=(config.lag, 5), return_sequences=True),这句代码应该会返回一个LSTM类的对象，那么直接使用对象+()即后面跟着的(input)的方式就可以完成将input设置为LSTM层的输入层这样一个任务吗，其实现的原理是什么呢。
在查阅了一些资料后发现，对于python语言而言，使用类对象+()的方式会自动调用类中的__call__()方法。这样的操作相当于把类对象当作函数在调用它，故当程序运行到LSTM(...)(input)这行代码时，实际上就完成了两个操作：第一：创建了一个LSTM类对象，第二：将input对象作为形参传入到LSTM类对象的__call__(self,inputs,...[该方法有很多参数，就不一一写出了])方法中，并调用该方法，完成LSTM层的创建。
至此Keras中函数式编程建模代码之所以可以这样写，我们已经了解清楚了。