趁着两天周末，我打算详细讲解一下基于one-hot的CNN文本分类和基于word2vec的Alexnet文本分类。也算是对知识的一个学习巩固。
声明一下，这两章专题代码我参考了网友的，仅作交流学习用，然后还附上了我自己实操的情况。项目源码附在这里https://github.com/weiyuyan/TextCNN
先看一下作者项目的概貌。
textcnn
首先.idea 文件是当把pycharm作为IDE时自动生成的文件夹，用来存放项目的信息，包括版本控制信息、历史记录等等。
.idea
pycache又是做什么的呢？打开发现
__pycache__
打开里面是几个.pyc后缀的文件，都是乱码。
原来，python解释器会将 *.py 脚本文件进行编译，并将编译结果保存到pycache目录中。下次再执行工程时，若解释器发现这个 *.py 脚本没有修改过，就会跳过编译这一步，直接运行以前生成的保存在 pycache文件夹里的 *.pyc 文件。
这样工程较大时就可以大大缩短项目运行前的准备时间；如果你只需执行一个小工程，没关系 忽略这个文件夹就行。
接下来，graph、model和prediction三个文件夹是之后程序运行才会产生的，我们先不讨论。
"sougo_text_data"是经典的九分类搜狗新闻语料。
sougo_text_data
my_data_helper.py是模型数据读取模块。
function_helper.py是一个辅助功能模块。
cnn_sougo_classification.py是核心的cnn训练模块。
cnn_classification_prediction.py是最后利用模型进行测试的模块。
至于dnn_sougou_classify.py，这个我还没仔细研究，作者是说利用CNN+DNN进行分类？？？还有DNN这一说法？算了先不管。总之先学习CNN的。
这一篇就先到这里，然后接下来我们开始从my_data_helper.py讲起。
