基于TensorFlow Keras API教程；

model = keras.Sequential([  keras.layers.Dense(10, activation='softmax', input_shape=(32,)),  keras.layers.Dense(10, activation='softmax')])

我不明白为什么输入层的单元数量是10，而输入形状是32。TensorFlow教程中也有许多类似的例子。

回答：

这种困惑在新手实践者中相当普遍，且并非没有理由：答案，正如评论中已经暗示的那样，在Keras Sequential API中存在一个隐式的输入层，由第一个显式层的input_shape参数决定。

这在Keras Functional API中直接可见（查看文档中的示例），其中Input本身就是一个显式层，你的模型将被编写为：

inputs = Input(shape=(32,))                     # 输入层x = Dense(10, activation='softmax')(inputs)     # 隐藏层outputs = Dense(10, activation='softmax')(x)    # 输出层model = Model(inputs, outputs)

即，尽管在Keras Sequential API中看起来像是两层网络，但你的模型实际上是一个具有三层（输入、隐藏和输出）的“老式”神经网络的例子。

（顺便说一句，与问题无关，使用softmax作为隐藏层的激活函数意义不大。）