虽然用 cnn 训练主题分类很久了，金牌突然有点疑惑，本质上 textcnn 就是用 kernel 进行特征提取，ok，那么问题来了：为什么我要进行 embedding？embedding 之后应该还是表示这个字（中文），那我用embedding_dim=1（就是字典 id）来做可不可以，理论上应该没啥变化的哈（自己认为）
那就做个实验吧
一、把之前embedding = tf.get_variable('embedding', [self.config.vocab_size, self.config.embedding_dim], trainable=Flase) 设置成不可训练，也就是说在训练过程中 embedding 不改变，结果比原来trainable=True 稍微差一点。
二、把上式self.config.embedding_dim=1，接着测试，效果十分差，惨不忍睹。
三、那重新设置回去，使得 embedding可训练，看看是不是能够打到 word2vec 的效果，代码有点问题，暂时不知道那里错了，错误如下：
目前的结论就是 embedding 是十分有必要的，应该会打到 word2vec 的效果，等我找到 bug 再展示吧