使用pytorch实现简单的TextCNN(步骤详解)

本文中将根据原理图所示,使用pytorch搭建简单的TextCNN网络结构。尽可能详细的描述每个步骤。TextCNN的详细过程原理图如下:以下代码基于https://blog.csdn.net/sunny_xsc1994/article/details/82969867进行修改得到embedding_size=5, out_channels=2, kernel_size=[2,3,4]...
摘要由CSDN通过智能技术生成

本文中将根据原理图所示,使用pytorch搭建简单的TextCNN网络结构。尽可能详细的描述每个步骤。
TextCNN的详细过程原理图如下:
原理图

以下代码基于https://blog.csdn.net/sunny_xsc1994/article/details/82969867进行修改得到

embedding_size=5, out_channels=2, kernel_size=[2,3,4], max_text_len=7

  • embedding_size 每个词向量的长度,在图中是d=5
  • out_channels 卷积产生的通道数,有多少个out_channels,就需要多少个一维卷积(也就是卷积核的数量)。图中可以看到每类卷积核,或者说filter,分别有两个,所以out_channels=2
  • kernel_size 卷积核的大小,即图中filter的行数。列数和embedding_size相同,因为这是一维的卷积。如图所示,分别是2,3,4
  • max_text_len the size of the window to take a max over. 我的理解是,MaxPool1d中会取图中feature maps中的最大值,为此,得确定一个范围,即多长的feature map中的最大值。当长度为feature map
  • 1
    点赞
  • 20
    收藏
    觉得还不错? 一键收藏
  • 1
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值