TensorFlow中将张量放在层实例括号后传入的操作术语叫什么？

你提到的这种Keras层传参方式属于官方标准设计，对应两种相关的专业表述：

• 核心特性是Keras层的**可调用对象（Callable）**设计
• 这种链式调用写法是Keras**函数式API（Functional API）**的典型语法

原理说明 #

Keras所有层类的执行逻辑都拆分为两个独立步骤：

1. 层实例化：执行layers.Flatten()时，只是创建了一个存储了层超参数的层对象，不会执行任何张量运算，你可以把这个实例当成一个配置好的运算算子
2. 层调用：在层实例后加括号传入张量（比如flat_layer(inputs)）时，会自动触发层实例的__call__方法，完成输入张量的前向计算，同时自动构建计算图的节点连接关系，最终输出处理后的张量。

你示例里的两种写法完全等价：

• 示例1的链式写法layers.Flatten()(inputs)就是把「实例化层」和「调用层计算」两步合并书写，适合不需要复用层实例的场景
• 示例2先把层实例存到变量再调用，适合需要多次复用同一个层实例的场景（比如需要共享权重的场景）

补充说明 #

这种拆分设计也是Keras函数式API能支持多输入、多输出、残差连接等非序列复杂网络结构的核心基础，和仅支持线性堆叠层的序列式API（Sequential API）形成明确区分。

内容的提问来源于stack exchange，提问作者Mel