Keras 单位和层在神经网络中做什么？

以上是Kaggle的Keras序列模型示例。我很难理解这两件事

单位是隐藏层中的节点数吗？我看到一些人投了250或是什么。当数字变高或变低时，它会做什么

为什么需要添加另一个隐藏层？为了添加越来越多的层，它实际上对数据做了什么

简要回答

单位表示一个特定层中的神经元数量。当您拥有更多的神经元数量时，模型在学习过程中会有更高的参数进行更新。层也是如此。（更多的层和更多的神经元需要更多的时间来训练模型）。选择神经元数量取决于用例、数据集和模型架构

当您有更多的隐藏层时，您有更多的参数要更新。更多的参数和层意味着模型能够理解隐藏在数据中的复杂关系。例如，当您有一个图像分类（多个）时，您需要更深层的神经元来理解图像中的特征，这些特征用于在最后一层进行分类

model = keras.Sequential([
    # the hidden ReLU layers
    layers.Dense(units=4, activation='relu', input_shape=[2]),
    layers.Dense(units=3, activation='relu'),
    # the linear output layer 
    layers.Dense(units=1),
])