用于语言建模的门控卷积后的数据大小

Question

我最近阅读了关于CNN语言建模的以下论文。

使用门控卷积网络进行语言建模 https://arxiv.org/abs/1612.08083

在本文中，他们使用下面的图片作为他们的模型。但我不确定Convolution数字（第三层）。通常，要将CNN应用于文本嵌入，过滤器大小为(filter_h, embedding_size)。因此卷积后的数据大小为(seq_len-filter_h+1, 1) stride==1。见底图。

但是在这个图中，卷积后的数据大小的高度仍然很大（我的意思是大于1）。因此，如果我尝试实现它，它需要许多填充来扩展列。 实际上我在github找到了an reproduced code。是的，看起来他们也使用padding=SAME的列来填充这么多的填充。

为什么他们使用这么多填充物？许多填充物对我来说没有意义..