深度学习之----TextCNN文本分类

1.卷积神经网络

英文名称：(Convolutional Neural Network)，简称CNN。由输入层、卷积层、激活函数、池化层、全连接层组成，即INPUT-CONV-RELU-POOL-FC。是深度学习技术中极具代表的网络结构之一，最早应用在图像处理当中，现在在自然语言处理应用也非常多。

卷积神经网络示意图

2.构成部分

主要由5个部分组成：输入层，卷积层，激活层，池化层，全连接层，搞懂这5个层怎么运作，基本就搞懂卷积神经网络的流程了

1.输入层

图像处理中是输入就是图像尺寸像素（1024*768），三维（R,G,B）,

自然语言处理中一般将原始文本使用word2vec转化成词向量的形式进行输入

2.卷积层

卷积层是卷积核在上一级输入层上通过逐一滑动窗口计算而得，卷积核中的每一个参数都相当于传统神经网络中的 权值参数，与对应的局部像素相连接，将卷积核的各个参数与对应的局部像素值相乘之和，（通常还要再加上一个 偏置参数），得到卷积层上的结果。如下图所示。

                                       绿矩阵为输入，黄矩阵为卷积核，右边的矩阵为卷积层

 

 

卷积层是卷积核【黑框中小矩阵】在输入中【大矩阵】通过逐一滑动窗口，计算每次的参数乘积后相加得到的一个新矩阵。

高维度卷积层