我对Keras模型中使用的层数感到困惑。该文件在这个问题上相当模糊。

根据Jason Brownlee的说法，从技术上讲，第一层包括两层，即由input_dim指定的输入层和隐藏层。请参阅他的博客中的第一个问题。

在所有model.add(Dense(number_of_neurons, input_dim=number_of_cols_in_input, activtion=some_activation_function))文档中，第一层通常指定为model.add(Dense(number_of_neurons, input_dim=number_of_cols_in_input, activtion=some_activation_function)) 。

因此，我们可以制作的最基本的模型是：

 model = Sequential()
 model.add(Dense(1, input_dim = 100, activation = None))

该模型是由一个单层（其中100维输入通过单个输入神经元传递）组成还是由两层组成，第一层是100维输入层，第二层是一维隐藏层？

此外，如果我要指定这样的模型，它有多少层？

model = Sequential()
model.add(Dense(32, input_dim = 100, activation = 'sigmoid'))
model.add(Dense(1)))

这是一个具有1个输入层，1个隐藏层和1个输出层的模型，还是一个具有1个输入层和1个输出层的模型？