1.模型

上图中输入部分，两层分别表示两个通道，一层是固定的词向量表示，一层是可以微调的词向量；

输入被表示为，➕表示连接操作：

 对每个h词块都有如下卷积操作，h应该是卷积步长大小，W表示一个卷积核，针对每个卷积核都会进行以下操作，来产生卷积结果（一系列ci组成c）

 经过一个卷积核的卷积操作之后，可以得到：

对上面的c做最大池化，选出最大的c，最大的c就对应最重要的特征。

原文中提到：“We have described the process by which one feature is extracted from one filter”。这个one feature是针对倒数第二层来说的，有多少个卷积核这层就有多少个特征，那么最后再经过一层全连接层。当然，使用的卷积核可以有不同的窗口大小。

2.正则化

使用了dropout，它可以防止神经元之间互相产生依赖关系，这个dropout是放在了倒数第二层进行的。对于倒数第二层：

其中，r就是概率为p的0/1向量：

参数还设置了L2正则化。l2-norms of the weight vectors。

3.实验

3.1超参数

filter windows (h) of 3, 4, 5 with 100 feature maps each，也就是说卷积核一共有300个？每100个的核大小分别为3、4、5？

dropout=0.5. L2正则化参数为3.　　bsz=50.

预训练的word2vec使用的是300维的。

3.2模型变化

CNN-rand: 所有的词向量都是随机初始化的，在训练过程中训练

CNN-static：词向量由word2vec初始化，并且不可改变

CNN-non-static：词向量由word2vec初始化，并且微调

CNN-multichannel：有两套词向量，应该都是由word2vec初始化，并且一个可以微调，另一个不可改变。

在这里微调：“gradients are back-propagated only through one of the channels.”。微调的意思也就是把其中一个词向量当作可以训练的参数，每次都会计算梯度，然后更新。

4.结论

实验结果我就不截图了。

我认为有意思的：

1.微调之后词向量更有效：

 2.dropout能够提高2%-4%。

2020-5-25更新————————————

1.torch版的实现

从这个实现中我们可以学习，其中kernel_sizes为[1,2,3]，kernel_num为100. 假设如下：

import torch
import torch.nn as nn
import torch.nn.functional as F

m = nn.Conv2d(1, 100, (3,100))#(输入通道、输出通道，kernel_size)
m4=nn.Conv2d(1, 100, (4,100))
m5=nn.Conv2d(1, 100, (5,100))

input = torch.randn(32,1, 50, 100)#(bsz,通道数,seqlen,emb_dim)
output = m(input)
o4=m4(input)
o5=m5(input)
print(output.size())
print(o4.size())
print(o5.size())
##mp=nn.MaxPool1d(48)
##print(mp(output).size())
print(F.max_pool1d(output.squeeze(3),48).size())#这里squeeze掉最后一个维度

#输出：
torch.Size([32, 100, 48, 1])#输出通道变为了100.
torch.Size([32, 100, 47, 1])
torch.Size([32, 100, 46, 1])
torch.Size([32, 100, 1])#最大池化的输出就相当于每个句子都变为了一个100维的向量，
#其中每一个元素都来自一个卷积核。

这样的话我就明白了这个过程了！基本没有问题了。