假设我们需要对句子进行分类。句子中每个词是由 n 维词向量组成的，也就是说输入矩阵大小为 m*n，其中m为句子长度。 在 pytorch 中，从左往右卷积，因此要将输入维度调换，即（n, m）— (词向量维度， 句子长度)
我们这么进行理解，句子总是一行一行的，每个词有n维向量组成，n则表示的是每个句子中词的个数，m表示的是这一大段话由几个这样的句子组成。所以在我们看文章的时候，默认n是行，m是列，在进行卷积计算的时候，如上面所说，在pytorch中，conv1总是从左往右卷积，关联性最强的行要进行卷积计算，即（n,m）=（词向量个数，句子个数）就需要更换成（m，n）=（句子个数,词向量个数）进行卷积操作。
上面的cat sitting here 很明显是一句话，横着的矩阵是（1，3），将他的方向调换之后，是（3，1），对应后面的卷积核是（2，1），故而可以对每个词进行分别卷积。
因篇幅问题不能全部显示，请点此查看更多更全内容