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], 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