Python 知道在Keras致密层中放置什么

我是Keras的新手，正在做一个基本的Kaggle教程（）。我正在努力理解在一个

密集的

层中到底应该放些什么。我发现这篇文章很有帮助，但我的理解还不太清楚

在我的

顺序

模型中，我从一个

密集的

层开始。但是，我看到一些帖子说第一层必须有一个

input\u形状

，而我看到很多Kaggle提交和其他不符合这一点的例子

在第一层中是否实际需要

输入\u形状

？有必要吗

第一个参数是

units

。就我的一生而言，我找不到一个可靠的解释来解释这个论点到底应该是什么。根据数据的

形状

，这里是否有一些公式可以运行？有时，我在第一个

密集的
层中看到相当大的数字（如784），而在其他情况下，它很小（如10）。或者，这完全是猜测

我知道没有“这就是你对这类数据所做的”的方法来构建预测模型，但我不知道如何在这里对插入的数字进行有根据的猜测

这是我目前的模型：

model = Sequential()
model.add(Flatten())
model.add(Dense(64, activation=tf.nn.relu))
model.add(Dense(10, activation=tf.nn.softmax))
model.compile(optimizer='adam', loss='sparse_categorical_crossentropy', metrics=['accuracy'])
x_val = x_train[:10000]
y_val = labels[:10000]
model.fit(x_train, y_train, epochs=3) # , validation_data=(x_val, y_val))

我的模型表现不错（我认为），因为在8400张图像中，我只有大约350张未命中。通过添加更多层、更改数字、使用

辍学等，我将其降到了220左右

我真的很想更好地了解了解我应该插入哪些数字的最佳方法。还有，我是否需要一个
输入形状
？
您的第一个问题：

是的，
input\u shape
必须在第一层中指定，在您的情况下，第一层是
plant
层。这是因为编译模型后需要初始化不同的参数（权重和偏差）。在您的情况下，第一个
密集
层的#婴儿车将取决于在
展平
层中指定的
输入_形状

第二个问题：

如果
Desnse
层是模型的最后一层，那么
单元
显然应该是您希望模型执行的#类/#输出。然而，就我所知，当涉及到
隐藏层时，没有这样一个通用的规则/公式来保证
单元的最佳数量。这实际上取决于您输入到模型中的数据以及任务的复杂性等等。。。我要说的是，它应该在反复试验的基础上进行选择

编辑：

如果你真的对我的回答不满意，我在这里为你的第二个问题找到了一些信息。

：但它适用于卷积神经网络

：