class_num=10 # 类别数
embed_num=5000 # 需要等于字典大小
embed_dim=64 # 字向量维度
kernel_num=128 # 卷积核数量
kernel_size_list=[3,4,5] # 卷积核尺寸
dropout=0.5 # 置 0 的概率
该模型的基本思想是对输入序列先做 Embedding,而后使用不同窗口大小的 1D Conv 提取特征,经过 MaxPooing1D 后 一个卷积核得到一个标量,最后全部拼接起来,得到一个向量,然后使用全连接层加 softmax 进行分类。