神经网络-二分类问题（IMDB） Keras + TensorFlow

#%% 加载IMDB数据
from keras.datasets import imdb
（train_data train_labels） （test_data test_labels） = imdb.load_data（num_words=10000）
# print（train_data[0]）
# print（train_labels[0]）
# print（max（[max（sequence） for sequence in train_data]））
#%% 将整数序列编码为二进制矩阵
import numpy as np

def vectorize_sequences（sequences dimension=10000）:
    results = np.zeros（（len（sequences） dimension））
    for i sequence in enumerate（sequences）:
        # >>> seasons = [‘Spring‘ ‘Summer‘ ‘Fall‘ ‘Winter‘]
        # >>> list（enumerate（seasons））
        # [（0 ‘Spring‘） （1 ‘Summer‘） （2 ‘Fall‘） （3 ‘Winter‘）]
        # >>> list（enumerate（seasons start=1））
        # [（1 ‘Spring‘） （2 ‘Summer‘） （3 ‘Fall‘） （4 ‘Winter‘）]
        results[i sequence] = 1.
    return results

x_train = vectorize_sequences（train_data）
x_test = vectorize_sequences（test_data）
# print（x_train[0]） # [0. 1. 1. ... 0. 0. 0.]

y_train = np.asarray（train_labels）.astype（‘float32‘）
y_test = np.asarray（test_labels）.astype（‘float32‘）
#%% 模型定义
from keras import models
from keras import layers

model = models.Sequential（）
model.add（layers.Dense（16 activation=‘relu‘ input_shape=（10000）））
model.add（layers.Dense（16 activation=‘relu‘））
model.add（layers.Dense（1 activation=‘sigmoid‘））
#%% 编译模型
model.compile（optimizer=‘rmspr