1.完全背包思想

"""
基本思想：
    等价于完全背包问题，n个物品，第i个物品的体积和价值都为i，并且求价值恰好为n的划分方案个数

1. 状态表示：
    1.1 集合f[i,j]：表示由前i个数组成的体积恰好为j的划分方案集合
    1.2 属性：count，即划分方案的个数
2. 状态计算（状态转移方程,根据选择第i个数的次数是0，1...s,进行划分）：
    因为：
        f[i][j] = f[i-1][j] + f[i-1][j-i] + f[i-1][j-2*i] + f[i-1][j-3*i] +...+ f[i-1][j-s*i]
        f[i][j-i] =           f[i-1][j-i] + f[i-1][j-2*i] + f[i-1][j-3*i] +...+ f[i-1][j-s*i]
    所以：
        f[i][j] = f[i-1][j] + f[i][j-i]

输入样例：
5

输出样例：
7

"""
# 输入示例
mod = 1e9 + 7
n = int(input().strip())

# 初始化dp数组
dp = [0 for i in range(n+1)]
dp[0] = 1    # !!!注意：当n=0时，只有一种方案，即什么都不选

# 状态计算
for i in range(1, n+1):    # 等价于遍历n个物品，其中第i个物品的体积为i
    for j in range(1,n+1):    # 等价于遍历不同的体积  !!!出错：优化版本的完全背包问题的内层循环要从i开始，即只用当容量j大于体积i时才更新
        if j>=i:
            dp[j] = (dp[j]+dp[j-i])%mod
print(int(dp[-1]))

2. 多重背包思想（超时）

"""
基本思想：
    等价于多重背包问题，n个物品，第i个物品的体积和价值都为i，并且求价值恰好为n的划分方案个数

1. 状态表示：
    1.1 集合f[i,j]：表示由前i个数组成的体积恰好为j的划分方案集合
    1.2 属性：count，即划分方案的个数
2. 状态计算（状态转移方程,根据选择第i个数的次数是0，1...s...n,进行划分）：
    if s*i<=n
        f[i][j] = f[i-1][j] + f[i-1][j-i] + f[i-1][j-2*i] + f[i-1][j-3*i] +...+ f[i-1][j-n*i]

输入样例：
5

输出样例：
7

"""
# 输入示例
mod = 1e9 + 7
n = int(input().strip())

# 初始化dp数组
dp = [0 for i in range(n+1)]
dp[0] = 1    # !!!注意：当n=0时，只有一种方案，即什么都不选
def IntHuafen(n):
    for i in range(1,n+1):
        for j in range(n,i-1,-1):
            tmp = 0
            for s in range(n+1):
                if s*i<=j:
#                     dp[j] += dp[j-s*i]    # ！！！出错：不能写成dp[j] += dp[j-s*i]的形式，否则当s*i==0时，dp[i-1][j]被算了两次，即dp[j] += dp[j]
                    tmp += dp[j-s*i]

            dp[j] = tmp%mod
#             print(dp[j])
    print(int(dp[-1]))
IntHuafen(n)