Keras為我們提供了很多已經定義好的網絡，比如Embdding層，LSTM層，GRU等。但是在有些情況下，這些預先定義好的網絡層并不能很好的滿足我們的需求，這個時候我們就需要自定義網絡層。

當然，通過線上，我們可以很方便的查閱到大把資料關于使用keras定義自己的網絡層，很多blog都直入主題，直接告訴我們自定義layer需要涉及到三個方法---------build()，call()，以及compute_output_shape()，處理好這幾個方法，我們便可以實現我們所需要的功能。但是知其然也要知其所以然，因而今天我們通過閱讀keras/engine/base_layer中的Layer類，來更好的理解整個網絡層的運行過程。

pic1

上面我將Layer類中的一些關鍵方法貼出來，為了更加直觀理解，方法的具體內容都刪了，后面具體分析的時候，在進行補充。

首先我們可以看到，在Layer類中有兩個特殊的方法，__init__()和__call__()。

__init__()是構造方法，當我們建立類對象時，首先調用該方法初始化類對象。

__call__()是可調用方法，一旦實現該方法，我們的類對象在某些行為上可以表現的和函數一樣?？梢灾苯油ㄟ^類對象object（）進行調用。下面舉個例子。

pic2

上面我們定義了一個類，我們可以發現可以直接通過類對象（）來調用__call__方法?！? obj()等價于obj.__call__()? 】

這里我們也可以明白為什么平時可以直接使用例如? LSTM(32)(input）這種形式來添加網絡層。其實這種形式本質是

pic3

上面的實例，我們也可以知道，在layer中__call__方法的參數是input，返回值是output。那么__call__方法究竟做了什么？下面貼關鍵源碼（方便理解整個流程，貼完整的不易理解）感興趣的可以對照源碼理解。

pic4

OK!? 觀察上述代碼，我們可以知道在__call__()方法中有幾個關鍵操作，調用build()，調用call()，調用compute_output_shape()，最后再利用node將該層和上一層鏈接起來（如何鏈接可以不用關心）。

emmmmmmm，到這里，其實就是整個網絡層的運行流程了。大家看懂了就可以撤了。

（somebody :"。。。。。。。what Fuck! 你這講的都是啥，我還云里霧里呢！"）

好吧，為了不讓網友罵，我接著將build()等幾個方法具體分析。

build()：我們知道，當我們定義網絡層的時候，需要用到一些張量（tensor）來對我們的輸入進行操作。比如權重信息Weights,偏差Biases。其實一個網絡本身就可以理解為這些張量的集合。keras是如何在我們給定input以及output_dim的情況下定義這些張量的呢？這里主要就是build()方法的功勞了。build函數就是為該網絡定義一層相應的張量的集合。在Layer類中有兩個成員變量，分別是trainable_weights和non_trainable_weights，分別是指可以訓練的參數的集合和不可訓練的參數的集合。這兩個參數都是list。在build中建立的張量通過add_weight()方法加入到上面兩個張量集合中，進而建立網絡層。需要注意的是，一個網絡層的參數是固定的，我們不能重復添加，因此，build()方法最多只能調用一次。如何保證每個layer的build()最多調用一次？？？這是通過self._built變量來控制的。如果built變量為True，那么build()方法將不再會被調用，否則build()才能被調用。在調用之后built會被賦值為True，防止以后build（）被重復調用。這在__call__()方法中有體現。所以我們如何沒有重新寫__call__()方法，那么我們不用擔心build()方法會被多次調用。但是如果重新寫了__call__()方法，一定要注意在build()調用之后，將built置為True。【TIP：build只接受input一個參數，所以如果需要用到output_shape，可以在__init__()中將output_shape賦值給一個成員變量，這樣就可以在build中直接使用output_shape的值了】。舉個簡單例子，以output=tanh(X*W+B),我們首先定義build()函數。這里用到的參數分別是W和B。假設輸出的大小為output_dim，且已經在__init__()中已經初始化了。

pic5

call(): 該方法是整個網絡層的邏輯輸出。通過build()，我們已經有了網絡層的權重等信息，接下來便是通過input以及這些權重張量（W,B)等來獲得輸出了。如何得到output就要根據大家需要的功能來說了。//////該函數返回值是output，__call__()方法也是通過調用call()來獲得輸出output。

pic6

comput_output_shape()：返回輸出的形狀，便于keras搭建下一層網絡時，可以自行推導出輸入的形狀

pic7

好了，以上便大功告成了【第一次寫blog，希望能幫助大家更好理解keras網絡層的整個控制流程】