machine-learning - 为什么在添加多个神经网络输出时我们要采用相同维度的层？

Question

我正在阅读一些涉及同时处理图像和文本序列输入的项目，我想知道为什么我们在 Keras add() 中采用相同的尺寸 密集层中组合来自不同神经网络的输出时，函数

问题1:这样做有什么好处吗？

Q2:如果我们在 add( ) 或 merge( ) 中采用非相等维度，会影响模型性能吗？

Q3:我们还可以将其视为另一个超参数并调整它以获得模型的最佳拟合吗？

这是结构

Answer 1

Add() 需要相同维度的张量。因此您根本无法使用具有不同维度的 add() 操作。

矩阵 (N, A) 与矩阵 (N, B) 的相加仅在 A == B 时才有意义，并且 A 和 B 的值 > 1。当 A 或 B == 1 时，您可以应用广播规则.