tensorflow.keras.datasets.imdb 中 load_data 函数的解析

       开始接触一点 NLP，一边看 2017 年的 CS224n课程，因为里面的作业似乎是要求用 tensorflow，而 2019 年新的课程是用 pytorch。从 IMDB 数据集开始试试，简单的解析了之后可以看到评论的内容和正负两种评价标签，然后就要对词向量做一个词嵌入(Embedding)的处理，因为网络结构不是用 ANN 而是用循环神经网络 RNN 来做，所以不可以用稀疏向量(Sparse vector)而是要转化成稠密向量(Dense vector)。

      然后原始数据有一些操作，实际上都封装在了这个 load_data 函数，结果就是返回处理好的 train_data，train_labels，test_data，test_labels。所以看一些内置的方法是做了什么处理，也可以启发我们自己在处理时的做法。

def load_data(path='imdb.npz',
              num_words=None,
              skip_top=0,
              maxlen=None,
              seed=113,
              start_char=1,
              oov_char=2,
              index_from=3,
              **kwargs):

         首先是函数定义，有一些参数及默认值的设定。

if 'nb_words' in kwargs:
    logging.warning('The `nb_words` argument in `load_data` '
                    'has been renamed `num_words`.')
    num_words = kwargs.pop('nb_words')
  if kwargs:
    raise TypeError('Unrecognized keyword arguments: ' + str(kwargs))

         如果在传参时还传入了 nb_words，首先提出一个警告，说现在的版本中已经不用这个名字了，然后就把 nb_words 的数值从字典中 pop 出来赋给 num_words，也就是现在版本使用的参数名称。另外，在排除了 nb_words 的存在之后如果字典非空，那么肯定传了多余的没意义的参数，就丢出一个错误。

path = get_file(
    path,
    origin='https://s3.amazo