我在阅读一个同时处理图像和文本序列输入的项目时，想知道为什么在使用Keras的add()函数结合不同神经网络的输出时，我们要在Dense层中采用相同的维度。

Q1：这样做的好处是什么？

Q2：如果我们在add()或merge()中使用非相同维度，会影响模型性能吗？

Q3：我们是否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？

这是结构

回答：

Add()需要相同维度的张量。因此，你不能在不同维度的情况下使用add()操作。

将矩阵(N, A)与矩阵(N, B)相加只有在A == B时才有意义，这里A和B的值大于1。当A或B等于1时，可以应用广播规则。