textCNN最简易的理解

• 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