- 一个36个词的文本
- embedding之后36*128
- 卷积层,3种卷积核(长度分别为2,3,4),宽度为词的embedding长度128,每种卷积核为2个
- 以一个长度为4的卷积核为例,卷积之后,36 * 128 与 4 * 128 卷积,得到34个 4 * 128的向量,4*128的图内部计算得到一个值,卷积得到 34 * 1 的向量
- 以一个长度为4的卷积核为例,将34 * 1的向量进行max pooling得到1* 1的向量
- 最后有几个卷积核,就是几维向量
- 最后进行一个分类
对于所有的cnn来说,池化层,池化的永远是卷积层的结果,而不是通道的结果。有几个卷积核,就一定是几个通道。通道的缩小,通过下一层的卷积核来合并。
参考自:https://www.cnblogs.com/bymo/p/9675654.html