TensorFlow本地导入imdb数据集的方法

写在前面

最近想体验一下AI方面的技术，但是在做一些TensorFlow官网上的简单实验时却发现由于网络、环境等问题，里面的示例代码并不能很顺利地跑在我的机器上，主要原因出在从远端自动load_data的时候，总是会报https、ssl等网络相关的问题。之前的Fashion MNIST，通过网上的一些攻略，找到了本地导入的方法，于是在进行下一个imdb（电影评论文本分类）的小实验时，想自己写一个类似功能的函数来本地导入数据集，于是就有了本文，代码和思路供参考。（另外，我发现keras中的imdb这部分代码并不长，于是把另外一个也需要联网的imdb.get_word_index()也顺便一起改成离线版了，反正网络问题要出现就都是一起出现的…）

我的环境

操作系统：CentOS 7
Conda版本：从TUNA下载的Anaconda3-5.3.1-Linux-x86_64.sh
TensorFlow版本：1.15.4
Keras：Tensorflow中自带的

使用方法

1. 下载imdb相关的两个文件（imdb.npz, imdb_word_index.json）到本地目录（例如/home/user/datasets/TF_imdb）。度盘下载链接 / 提取码：ic54

2. 复制下方小节的【离线导入代码块】到.py文件中，修改代码中标出的路径，定位到刚才下载的两个文件。（如果缺少相应的包，可以用pip install）

3. 把官网示例代码中的imdb.load_data(num_words=10000)修改成我们自定义的manual_imdb_load_data(num_words=10000)；同理，imdb.get_word_index()修改成manual_imdb_get_word_index()

4. 其他代码可以和官网示例中保持一致，运行测试即可。

【离线导入代码块】：由于是从官方代码中改的，有些注释我保留了。用之前记得先把下载的两个文件放在对应路径下。

import tensorflow as tf
from tensorflow import keras
import numpy as np

print(tf.__version__)	# 简单检测一下tensorflow的版本

# 修改imdb的一些函数（因为https有问题）
from tensorflow.python.platform import tf_logging as logging
import json
def manual_imdb_load_data(path='imdb.npz',
              num_words=None,
              skip_top=0,
              maxlen=None,
              seed=113,
              start_char=1,
              oov_char=2,
              index_from