(NLP，TextCNN)为什么in_channels等于torch.nn.Conv1d中的嵌入大小？

Question

如果我们将torch.nn.Conv2d应用于可以理解为3个二维矩阵的"RGB“图像，那么参数in_channels对应于3个通道'R'，'G‘和'B’。在我看来，形状为[sentence length, embedding size]的嵌入语句应该被视为1个二维矩阵，所以在这种情况下，为什么参数in_channels不是1，而是嵌入在torch.nn.Conv1d中的大小，与torch.nn.Conv2d的含义不同

你能解释一下nlp / TextCNN中in_channels在torch.nn.Conv1d中的真正含义吗？为什么它不同于torch.nn.Conv2d

谢谢!

Answer 1

在使用Conv1d时，可以将嵌入维度视为中的in_channels。

解释-

假设您正在尝试输入一个长度为'N‘的句子，如下所示-

我是这个的用户……N.

所有这些单词都被转换为单词嵌入，比如E维。

此向量的维度为--> N，E

如果你考虑一批批大小为"B“的输入句子--> B，N，E

所以现在你可以这样称呼它：

x = nn.Conv1d(in_channels = E, out_channels = .......)

看一看- https://gist.github.com/spro/c87cc706625b8a54e604fb1024106556