能否有人详细解释一下这段代码，我不理解高亮部分。我的意思是为什么他们要这样写：

x =  tf.Keras.layers.Dense(128, activation='relu')(pretrained_model.output)

Dense()后跟着另一个括号，这么做的原因是什么？

完整代码：

inputs = pretrained_model.inputx = tf.keras.layers.Dense(128, activation='relu')(pretrained_model.output)outputs = tf.keras.layers.Dense(9, activation='softmax')(x)model = tf.keras.Model(inputs=inputs, outputs=outputs)model.compile(    optimizer='adam',    loss='categorical_crossentropy',    metrics=['accuracy'])

回答：

在第一行中，你定义了inputs等于预训练模型的输入。然后你定义x等于预训练模型的输出（在应用了一个额外的密集层之后）。TensorFlow现在会自动识别inputs和x之间的连接。如果我们假设预训练模型由五层组成[pretrained_in, pretrained_h_1, pretrained_h_2, pretrained_h_3, pretrained_out]，这意味着TensorFlow会意识到信息将按照以下方式流动：

inputs -> pretrained_in -> pretrained_h_1 -> pretrained_h_2 -> pretrained_h_3 -> pretrained_out -> new_dense_layer -> x

如果我们现在考虑最终的层，我们将有以下信息流：

inputs -> pretrained_in -> pretrained_h_1 -> pretrained_h_2 -> pretrained_h_3 -> pretrained_out -> new_dense_layer -> x -> dense_layer_softmax -> outputs

现在，“model = tf.keras.Model(inputs=inputs, outputs=outputs)”语句只是告诉TensorFlow，它应该将这个信息流视为一个新的模型，这样你就可以通过使用这个新模型轻松地将新信息通过所有这些层传递。

编辑：你问为什么Dense后面跟着两个括号。实际上，layers.Dense()调用并不是处理数据的函数。相反，当你调用tf.keras.layers.Dense()时，TensorFlow实际上是创建了一个新的密集层并将其返回给你，然后你可以使用它来处理你的数据。你实际上可以用两行代码来写得更清楚：

dense_layer = layers.Dense(128, activation='relu')   # 我们定义了一个新的密集层dense_layer_output = dense_layer(pretrained_model.output)    # 我们将密集层应用于数据