keras中神经网络的输入为（1700,13,1），怎么输入Dense和LSTM网络中，实现代码

对于Keras中的Dense和LSTM网络，可以通过定义模型的输入层来实现输入为（1700,13,1）的张量。

假设你要构建一个Dense网络，代码如下：

from keras.models import Sequential
from keras.layers import Dense

model = Sequential()
model.add(Dense(64, activation='relu', input_shape=(1700,13,1)))
model.add(Dense(32, activation='relu'))
model.add(Dense(1, activation='sigmoid'))

在上述代码中，我们通过`input_shape`参数指定了输入数据的形状为`(1700,13,1)`，即数据有1700个样本，每个样本有13个特征，每个特征都是1维的。

同样，如果你要构建一个LSTM网络，可以使用以下代码：

from keras.models import Sequential
from keras.layers import LSTM, Dense

model = Sequential()
model.add(LSTM(64, input_shape=(1700,13)))
model.add(Dense(32, activation='relu'))
model.add(Dense(1, activation='sigmoid'))

在上述代码中，我们同样通过`input_shape`参数指定了输入数据的形状为`(1700,13)`，即数据有1700个样本，每个样本有13个特征。需要注意的是，LSTM在内部会对数据进行时间步展开，因此输入的张量形状只需要包含样本数量和特征数量即可。