我试图理解 Keras 中 ANN 架构的概念。任何神经网络中输入神经元的数量应等于特征/属性/列的数量。因此，在矩阵为 (20000,100) 的情况下，我的输入形状应该有 100 个神经元。在Keras页面的示例中，我看到了一段代码：
model = Sequential([Dense(32, input_shape=(784,)),
，这几乎意味着输入形状有 784 列，输出空间的维数为 32，这意味着第二层的输入为 32。我的理解是，发生如此显着的下降是因为某些单元不是由于激活函数而被激活。我的理解正确吗？
同时，另一段代码显示输入神经元的数量高于特征的数量：
model = Sequential()
model.add(Dense(64, activation='relu', input_dim=20))
model.add(Dropout(0.5))
model.add(Dense(64, activation='relu'))
model.add(Dropout(0.5))
model.add(Dense(10, activation='softmax'))
这个例子我不清楚。单元的大小怎么可能大于输入维度的数量？