我刚刚开始深度学习，并且我被告知Keras将成为初学者的最佳图书馆。
在此之前，为了学习，我只使用numpy构建了一个简单的前馈网络，这样我就能感受到它。
在这种情况下，权重矩阵的形状为(len(X[0]), num_neurons)。特征数量和神经元数量。它起作用了。
现在，我正在尝试使用Keras构建一个简单的RNN。我的数据有7个功能，图层的大小为128。
但如果我做model.add(Dense(128, input_dim=(7, 128)))这样的事情就说错了。
所以我不知道这个input_dim应该是什么。
我的数据有5330个数据点和7个特征（形状为（5330,7））。
有人可以告诉我input_dim应该是什么以及为什么？
谢谢。
答案 0 :(得分：1)
input_dim只是您传递给此图层的输入的形状。所以：
input_dim = 7 还有其他选项，例如：
input_shape=(7,) - 此参数使用tuples而不是整数，当您的输入有多个维度时很好batch_input_shape=(batch_size,7) - 这通常不是必需的，但是在需要固定批量大小的情况下使用它（有一些层配置要求）现在，Dense图层中输出的大小是units参数。在您的情况下，这是128，应该等于num_neurons。