我刚开始学习深度学习，有人告诉我Keras是最适合初学者的库。

在此之前，为了学习，我仅使用numpy构建了一个简单的前馈网络，以便能更好地理解它。

在那个案例中，权重矩阵的形状是(len(X[0]), num_neurons)，即特征的数量和神经元的数量。这样是可行的。

现在，我正尝试使用Keras构建一个简单的RNN。我的数据有7个特征，层的尺寸将是128。

但如果我这样做model.add(Dense(128, input_dim=(7, 128)))，它会提示错误。

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)）。能有人告诉我input_dim应该是什么以及为什么吗？

谢谢。

回答：

input_dim只是你传递给该层的输入的形状。所以：

• input_dim = 7

还有其他选项，例如：

• input_shape=(7,) — 这个参数使用元组而不是整数，当你的输入有多于一个维度时很好用
• batch_input_shape=(batch_size,7) — 这通常不是必要的，但在你需要固定批量大小的情况下使用（有一些层配置要求这样）

现在，Dense层输出的尺寸是units参数。在你的案例中是128，应该等于num_neurons。