#%%?加載IMDB數(shù)據(jù)
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]））
#%%?將整數(shù)序列編碼為二進(jìn)制矩陣
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‘）
#%%?模型定義
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‘））
#%%?編譯模型
model.compile（optimizer=‘rmspr