Deep feature representation h是一个向量吗

[BigPig-LittleTail]

我在论文中看到：The network defines a trasnformation which transforms an raw input text x to r-dimensional deep representation h. 这是不是就意味着最后的h是一个r维的向量呢？ 因为注意到文章在超参数一节中写道CNN的两层中共使用了两次Folding，我疑惑的是，48行的矩阵输入经过两次folding是不是就应该变成12行矩阵呢，想请问最后是怎么成为h向量的呢？