keras.datasets.imdb.py 源码分析

概述

IMDB 数据集：包含来自互联网电影数据库（IMDB）的 50 000 条严重两极分化的评论。数据集被分为用于训练的 25 000 条评论与用于测试的 25 000 条评论，训练集和测试集都包含 50% 的正面评论和 50% 的负面评论。
imdb.py 实现了IMDB 数据集文件下载加载，及数据预处理功能。
包含两个方法：load_data（数据加载）和get_word_index（字典加载）

load_data方法源码：

	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):

1. 处理原先版本的遗留问题，确保输入参数正确

	#Legacy support
    if 'nb_words' in kwargs:
        warnings.warn('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))

2. 获取imdb.npz

	path = get_file(path,
                    origin='https://s3.amazonaws.com/text-datasets/imdb.npz',
                    file_hash='599dadb1135973df5b59232a0e9a887c')

这里的get_file方法是Keras自带的keras.utils.data_utils.get_file方法

3. 读取文件，获取数据

	with np.load(path) as f:
        x_train, labels_train = f