小编Eth*_* C.的帖子

我对 Keras 如何拟合模型有点​​困惑。一般来说，Keras 模型的拟合只需使用model.fit(...)如下所示的内容：

model.fit(X_train, y_train, epochs=300, batch_size=64, validation_data=(X_test, y_test))

我的问题是：因为我用参数 陈述了测试数据validation_data=(X_test, y_test)，是否意味着每个时期都是独立的？换句话说，我知道在每个时期，Keras 使用训练数据（经过洗牌后）训练模型，然后使用提供的验证数据测试训练后的模型。如果是这样的话，那么无论我选择多少个纪元，我都只取最后一个纪元的结果！！

如果这种情况是正确的，那么我们是否需要多个纪元？除非这些时期是相互依赖的，每个时期使用与前一个时期相同的神经网络权重，对吗？

谢谢

假设我有一个大小为 (1000, 64) 的数据集，其中 64 是列数（即特征）。在 Keras 中，假设我想构建一个 NN 模型作为以下架构：

1. 输入层：显然应该是一层神经元数量等于我数据集中的特征数量。因此，此处的神经元数量 = 64。
2. 隐藏层：我希望这个隐藏层有 100 个神经元。
3. 输出层：这是一个神经元，因为我正在处理一个二元分类问题。

现在，要在 Keras 中构建上述架构，我通常会执行以下操作：

model = Sequential()
model.add(Dense(units=64, input_dim=64, activation='tanh'))  # Input layer
model.add(Dense(units=100, activation='tanh'))  # Hidden layer
model.add(Dense(units=1, activation='sigmoid')) # Output layer

的问题是，我不能参数区分units并input_dim用于Dense()层（对于角色作为第一层（输入层））。我确实理解这input_dim是为了指定数据集中的特征数量（在我的情况下为 64），但我不明白units这里对输入层的作用。应该units是64？换句话说，输入层的参数是否units应该相同input_dim？

非常感谢。