参考链接
textcnn可以选择三种类型的卷积内核。 每个卷积内核的默认值为128，给定的表达式为两个。 其中输入矩阵中嵌入的行动文档的字数，列出单词嵌入矩阵的大小，然后选择一个batch，即一个batch的文档数。 使用时扩展到四维，第四维为1。
学习的参数是卷积内核的维度——2个单词的维度、3个单词的维度、4个单词的维度，另外每个维度还有一个b。 也就是说，卷积层学习的参数是()2)3)单词的维数3 )卷积内核数128。 卷积操作在最大化池之前通过relu激活函数。
如果在成为所有连接层之前通过dropout，则所有连接层将学习1283=384的所有连接层(由行向量、x的倒排表示)的大小为3842的w矩阵。 这样，x的倒排wb分为2类。 此时的b为12的b，之后是softmax，进行正规化。
虽然学习了上述参数矩阵，但可以微调输入词嵌入矩阵，以便更好地学习上述参数矩阵