Keras的Layers，就是构成网络的每一层。Keras实现了很多层，包括核心层、卷基层、RNN网络层等诸多常用的网络结构。下面开介绍核心层中包含了哪些内容。因为这个核心层我现在还没有全部用到，所以会有一部分内容我并不是十分了解，因此直接附带了原文档介绍。有了解的朋友可以一起交流！
核心层基类
keras.layers.core.Layer()
下面介绍一下该类中包含的几个基本方法。
# 把previous_layer层的输出连接到当前层的输入 set_previous(previous_layer)
返回：None
previous_layer : Layer对象
# 获取某层网络的输出 get_output(train)
返回：Theano tensor
train : Boolean. 指定是在训练模式下还是测试模型下计算该层的输出。
# 获取某层网络的输入 get_input(train)
返回：Theano tensor
# 获取网络的权值 et_weights()
返回：一个numpy array组成的list，每一层的参数值是一个numpy array
# 设置网络权值参数 set_weights(weights)
weights : 一个numpy array组成的list，每一层的权值是一个numpy array，且该list中的元素顺序要与get_weights(self)中返回的一致。(就是对应好每一层，不要打乱了顺序)
get_config()
返回：描述网络的配置信息字典。