nlp一般用几维cnn

在自然语言处理（NLP）中，使用卷积神经网络（CNN）的维度通常可以有多种选择。具体的维度取决于数据集的大小和复杂性，和预期的模型性能。
一般来讲，NLP中使用的CNN维度可以包括以下因素有哪些：

1. 输入维度：输入的文本数据可以表示为一个矩阵，其中每行表示一个词或字符的嵌入向量。维度可以根据词嵌入模型的选择而定，如Word2Vec或GloVe等。常见的词嵌入维度可以是100维、200维或300维。
2. 卷积核大小：卷积神经网络会使用区分大小的卷积核在输入矩阵上滑动，提取区分尺寸的特点。卷积核的大小可以根据任务的要求进行选择，常见的大小可以是3、5或7等。
3. 卷积核个数：卷积层通常包括多个卷积核，每一个卷积核都可以提取区分的特点。卷积核的个数可以根据任务的复杂性和数据集的范围进行选择，通常可以是几十到几百个。
4. 池化操作：卷积层以后通常会进行池化操作，以减少特点向量的维度。池化操作的维度可以根据任务的需要进行选择，常见的操作可以是最大池化或平均池化。

综上所述，NLP中使用CNN的维度可以根据具体任务和数据集的特点进行选择，并进行适当的调剂以提高模型性能。