对于一个LSTM模型对网络入侵进行检测，改变LSTM模型中每个LSTM层的神经元数

改变LSTM模型中每个LSTM层的神经元数可以影响模型的性能和效果。通常来说，增加神经元数可以增加模型的学习能力和表达能力，从而提高模型的准确性和鲁棒性。但是，如果神经元数过多，可能会导致模型过拟合，降低模型的泛化能力。

对于网络入侵检测任务，通常需要考虑模型的准确性和实时性。因此，建议根据具体情况进行调整，可以通过交叉验证等方法来确定最优的神经元数。同时，还可以考虑使用其他技术，如正则化、dropout等来防止过拟合，以及使用GPU等加速技术来提高模型的实时性。