1. 前提说明
本博客主要为了介绍textcnn，因此首先需要了解cnn的基本知识
2. 卷积层
2.1 cnn
- 一般来讲输入都是[batch, height, weight, in_channles]
- 卷积核由三部分组成：
- kernel_size（上图中一个2×2的小方块）
- in_channels（与输入的in_channel一样，因为要对应相乘）
- out_channels可以理解成输出的维度，其实就是filter的个数
2.2 text_cnn
- 一般来讲输入都是[batch, height, in_channles]（相当于cnn中的width=1并省略）
- 卷积核由三部分组成：
- kernel_size（上图中一个2×1的小方块）
- in_channels（与输入的in_channel一样，也即词向量的维度）
- out_channels可以理解成输出的维度，其实就是filter的个数
小结：text_cnn是一种特殊的cnn，即cnn的width=1，并省略
3. 池化层
3.1 cnn
池化层有最大池化、平均池化、随机池化等
3.2 text_cnn
text_cnn一般是全局最大池化，或全局平均池化，无论哪种，height都会变成1（会不会省略看框架），最终只剩下out_channel即filter的个数了。
以上均是一个样本图，如果加上batch_size，那么text最后的输出就是**(batch,out_channel)或者(batch, 1, out_channel)**。具体顺序还得由框架决定