文本分类embedding卷积的提问

来源：7-5 基于CNN的文本分类模型(TextCNN)

O_O_似水流年_O_O

2019-05-28

图片描述老师上面我有三个问题
第一个问题：对于上图的embedding=6的通道数目，是不是卷积核的宽度必须是6呢，即我可以选择26，36的卷积核，但是老师有说过，在每一个通道上面做卷积，那通道在这边理解为是1列，这样怎么做的起来的？
第二个问题：左边途中的纵向深度代表了是什么意义
第三个问题：我下面途中有自己目前对CNN的卷积的理解，请教下，在上面第一点的理解基础上这么理解正确吗

写回答

1回答

正十七

2019-06-09

同学你好，

第一个问题：embedding=6的时候或者不管embedding等于多少，这里的卷积核的宽度都是1，因为它是一维卷积，embedding=6，说明这个一维卷积是有6个输入通道，然后每个通道上卷积和embedding去做点积然后相加。在这里，需要注意，很容易把这个一维卷积理解成宽度是6的二维卷积，但其实不是。

第二个问题，左边图中纵向深度代表的是不同的文本特征，这是CNN文本分类论文中的一个改进，用了一些其他的方式对文本做了另一种表达。你可以先把纵向当做只有一个。

第三个问题，同1，不是二维卷积，而是一维多通道卷积。

深度学习之神经网络(CNN/RNN/GAN)算法原理+实战

深度学习算法工程师必学，深入理解深度学习核心算法CNN RNN GAN

2617 学习 · 935 问题

查看课程

相似问题

一维卷积与多维卷积理解

回答 1

embedding长度和卷积通道数目相等？

回答 1

老师通道数不对啊，不应该是几个卷积核，就会有几个输出吗

回答 1

关于卷积核数的问题

回答 1

卷积神经网络可以进行无监督分类吗？

回答 1

打开慕课网App查看更多内容