keras中的层和神经网络中的层略有区别，不仅不区分input、output和hidden，而且还有许多奇怪的层，比如Pooling/Embedding/Activation/BatchNormalization/Noise/wrapper等。
本人对此的理解是：Keras为了追求最大的灵活性，把一个层拆解为功能层和配置层两类。一个功能层+若干个配置层才对应神经网络教科书中的一个层。
