在生活中，一般定义矩形水平陈列在眼前的边是“长”，竖直成列在眼前的边是“宽”。
1. 一维卷积tf和torch的默认值是不一样的。
tf的输入维度为[N, width, in_channels]，输出维度为[N, width, out_channels]。假设进行了填充。
2. 全局最大池化如果filter是一个，则代表的是只得到了n-gram中最有区分性的一个N元组，多个filter，也就是取到了若干个这样的组。
其中24指的是filter的个数。
Tensor(“conv1d_20/Relu:0”, shape=(?, 49999, 24), dtype=float32)
Tensor(“global_max_pooling1d_41/Max:0”, shape=(?, 24), dtype=float32)
Tensor(“conv1d_21/Relu:0”, shape=(?, 49997, 24), dtype=float32)
Tensor(“global_max_pooling1d_43/Max:0”, shape=(?, 24), dtype=float32)
Tensor(“conv1d_22/Relu:0”, shape=(?, 49995, 24), dtype=float32)
Tensor(“global_max_pooling1d_45/Max:0”, shape=(?, 24), dtype=float32)
Tensor(“conv1d_23/Relu:0”, shape=(?, 49993, 24), dtype=float32)
Tensor(“global_max_pooling1d_47/Max:0”, shape=(?, 24), dtype=float32)
Tensor(“conv1d_24/Relu:0”, shape=(?, 49991, 24), dtype=float32)
Tensor(“global_max_pooling1d_49/Max:0”, shape=(?, 24), dtype=float32)
Tensor(“conv1d_25/Relu:0”, shape=(?, 49989, 24), dtype=float32)
Tensor(“global_max_pooling1d_51/Max:0”, shape=(?, 24), dtype=float32)
Tensor(“conv1d_26/Relu:0”, shape=(?, 49987, 24), dtype=float32)
Tensor(“global_max_pooling1d_53/Max:0”, shape=(?, 24), dtype=float32)
Tensor(“conv1d_27/Relu:0”, shape=(?, 49985, 24), dtype=float32)
Tensor(“global_max_pooling1d_55/Max:0”, shape=(?, 24), dtype=float32)
Tensor(“conv1d_28/Relu:0”, shape=(?, 49983, 24), dtype=float32)
Tensor(“global_max_pooling1d_57/Max:0”, shape=(?, 24), dtype=float32)
Tensor(“conv1d_29/Relu:0”, shape=(?, 49981, 24), dtype=float32)
Tensor(“global_max_pooling1d_59/Max:0”, shape=(?, 24), dtype=float32)
fc1 Tensor(“concatenate_2/concat:0”, shape=(?, 480), dtype=float32)
fc2 Tensor(“flatten_1/Reshape:0”, shape=(?, 480), dtype=float32)
