Created by: daichengchao

参考文本分类的示例，修改了网络结构； http://paddlepaddle.org/docs/develop/models/text_classification/README.html 在原始text_cnn的最后一层中添加一些特征add_fea。

修改后网络结构为：

 # input layers
 81     data = paddle.layer.data("word",
 82                              paddle.data_type.integer_value_sequence(dict_dim))
 83     lbl = paddle.layer.data("label", paddle.data_type.integer_value(class_dim))
 84     add_feature = paddle.layer.data("znd_fea",paddle.data_type.dense_vector(5))
 85     print add_feature,lbl
 86     logger.info("add_feature is : %s." % (add_feature))
 87     # embedding layer
 88     emb = paddle.layer.embedding(input=data, size=emb_dim)
 89 
 90     # convolution layers with max pooling
 91     conv_3 = paddle.networks.sequence_conv_pool(
 92         input=emb, context_len=3, hidden_size=hid_dim)
 93     conv_4 = paddle.networks.sequence_conv_pool(
 94         input=emb, context_len=4, hidden_size=hid_dim)
 95 
 96     # fc and output layer
 97     prob = paddle.layer.fc(
 98         input=[conv_3, conv_4, add_feature], size=class_dim, act=paddle.activation.Softmax())
 99     #    input=[conv_3, conv_4,], size=class_dim, act=paddle.activation.Softmax())

添加了84行add_feature，修改了98行。请问代码中定义的网络结构是否反应上图中的结构？

在模型预估时，

 57     test_batch = []
 58     for idx, item in enumerate(test_reader):
 59         test_batch.append([item[0]])
 60         if len(test_batch) == batch_size:
 61             _infer_a_batch(inferer, test_batch, word_reverse_dict,
 62                            label_reverse_dict)
 63             test_batch = []

问题2：需要把label和添加的特征都加到test_batch吗？我测试了一下，仅仅需要添加 test_batch.append([item[0],item[2]]),item[2]标示add_feature，请问这样预估时正确的吗？