NLP中的卷积操作详解（torch.nn.Conv1d)

NLP领域中，由于自然文本是一维的，通常使用一维卷积即可达到要求。

在实际应用中，经embedding层处理后的数据格式一般为(batch_size, word_embeddings_dim, max_length)，共三个维度。

CLASS torch.nn.Conv1d(in_channels, out_channels, kernel_size, stride=1, padding=0, dilation=1, groups=1, bias=True, padding_mode='zeros')

in_channels：输入通道数。一般情况下，将其设置为与word_embeddings_dim相等。

out_channels：输出通道数。决定了一个filter含有多少个卷积核。

kernel_size：卷积核大小。与图像处理中使用的Conv2d不同，Conv1d中的kernel_size只需指定一个整数。

例如：

conv1 = torch.nn.Conv1d(in_channels=256, out_channels=3, kernel_size=5)

这样，filter实际的维度为：3*256*5，（3个卷积核，卷积核维度为256*5），卷积核窗口在句子长度的方向上滑动，进行卷积操作。

pytorch中使用示例（为简便起见，这里将batch_size和out_channels均设置为1）：

import torch
a = [[[1, 2, 3, 4],
      [2, 3, 4, 1],
      [3, 2, 1, 4],