class Node:
    """
    我们把这个Node类作为这个神经网络的基础模块
    """
    def __init__(self,inputs=[],name=None,is_trainable=False):
        
        self.inputs = inputs  #这个节点的输入，输入的是Node组成的列表
        self.outputs = []     #这个节点的输出节点
        self.name = name
        self.is_trainable = is_trainable
        for n in self.inputs:
            n.outputs.append(self)  #这个节点正好对应了这个输人的输出节点，从而建立了连接关系
            
        self.value = None  #每个节点必定对应有一个值
        self.gradients = {}  #每个节点对上个节点的梯度，

    def forward(self):
        """
        先预留一个方法接口不实现，在其子类中实现,且要求其子类一定要实现，不实现的时话会报错。
        """
        raise NotImplemented  
        
    def backward(self):
        
        raise NotImplemented
        
    def __repr__(self):
        
        return "Node:{}".format(self.name)  

# Write a topological sort algorithm
def topological_sort(graph):
    visited = set()
    stack = []
    def dfs(node):
        if node in visited:
            return
        visited.add(node)
        for neighbor in graph[node]:
            dfs(neighbor)
        stack.append(node)
    for node in graph:
        dfs(node)
    # stack.reverse()
    return stack[::-1]
# 拓扑排序的输入是一个有向无环图，输出是一个序列，该序列满足：如果图中存在一条从节点 A 到节点 B 的路径，那么在序列中节点 A 出现在节点 B 的前面。
graph = {"a": ["b", "c"], "b": ["d"], "c": ["d"], "d": []}
print(topological_sort(graph))

['a', 'c', 'b', 'd']