python深度学习在加载数据时num_words=10000是什么意思

python深度学习在加载数据时（num_words=10000）所代表的意义

首先写一段深度学习加载数据集的代码：

from keras.datasets import reuters
(train_data, train_labels), (test_data, test_labels) = reuters.load_data(num_words=10000)
#(train_data, train_labels), (test_data, test_labels) = reuters.load_data()

如代码中所示：第二行和第三行的差别在于load_data() 函数中的参数num_words=10000
解释： 参数（num_words=10000）将数据限定为前10000个最常出现的单词，如果数据集中存在大于10000的单词，则令其为2，看不太明白的话接着往下看。
用代码解释： 上面的代码中我用来举例的数据集是路透社数据集（reuters），该数据集中共包含8982条训练数据和其标签以及2246条测试数据和其标签，也就是说：

print(len(train_data))
输出：8982

要证明演示num_words=10000的作用，我找到了train_data中第1125条数据的第200个单词的单词编号为10003

print(train_data[1225][195:205])
输出1：[190, 2636, 8, 268, 1648, 10003, 3027, 24, 4, 294]
输出2：[190, 2636, 8, 268, 1648, 2, 3027, 24, 4, 294]

其中输出1：是没有设定num_words=10000 的输出结果
  输出2：是设定了参数num_words=10000 的输出结果
很显然：train_data中第1125条数据的第200个单词的单词编号为10003，超出了10000，因此在设置了参数num_words=10000之后，如输出2所示，将10003修改为了2

为什么是2呢（对2的解释）

在这类数据集中，每条数据本应该是单词组成的句子，但是用单词来表示一条样本输入到神经网络中并没有太大的意义，因此，将所有可能的单词按照使用的频繁程度建立一个单词字典。这样，一条样本就可以用一串数字编号表示。
其中0： 是为“padding”（填充）所保留的索引
  1： 是为“start of sequence”（序列开始）所保留的索引
  2： 是为“unknown”（未知词）所保留的索引
因此在设置了参数num_words=10000（数字编号不能超过10000） 之后，所有高于10000的单词编号都被用2（未知词） 所代替