textcnn

参考链接
textcnn可选三种卷积核，每种卷积核默认128，给的图式是两个，其中输入嵌入矩阵的行为文档的单词数，列为单词的嵌入矩阵的大小，选一个batch即一个batch的文档数。用的时候扩展到四维，第四维是1。

学习的参数就是卷积核的维度即2✖️单词的维度，3✖️单词的维度，4✖️单词的维度，另外每个还有一个b，即卷积层学习的参数是（（2+3+4）✖️单词的维度 + 3）✖️卷积核数128。每个卷积操作要经过一个relu激活函数，之后才会最大池。

到了全连接层之前经过一个dropout，全连接层会对128✖️3=384的全连接层（行向量，用x的转置表示），学习一个W矩阵，大小为384✖️2（2分类），这样就可以x的转置✖️W+B就变成2分类了，此时的B是1✖️2的b，之后接一个softmax进行归一化。

学习的是上述参数矩阵，但是可以对输入词嵌入矩阵进行微调，让更好的学习上述的参数矩阵