分類相關的任務做過很多，包括：圖像分類、文本分類，但是基於深度學習的文本分類相關的實踐卻不多，大多是基於word2vec+機器學習模型完成的文本分類任務，最近正好用到了Attention機制，就在學習和實踐相關的內容，這裏就是今天自己學習實踐的基於深度學習模型+Attention機制的文本分類任務。
這裏的數據集選用的是Keras內置的IMDB數據集，下面我們先來簡單看一些Keras內置數據集的相關介紹，官方文檔截圖如下所示：
我們用的是紅框裏面標出來的數據集，下面是各個內置數據集的詳細說明：
CIFAR10 小圖像分類數據集
50,000 張 32x32 彩色訓練圖像數據，以及 10,000 張測試圖像數據，總共分爲 10 個類別。
用法：
from keras.datasets import cifar10
(x_train, y_train), (x_test, y_test) = cifar10.load_data()
返回：
2 個元組：
x_train, x_test: uint8 數組表示的 RGB 圖像數據，尺寸爲 (num_samples, 3, 32, 32) 或 (num_samples, 32, 32, 3)，基於 image_data_format 後端設定的 channels_first 或 channels_last。
y_train, y_test: uint8 數組表示的類別標籤（範圍在 0-9 之間的整數），尺寸爲 (num_samples,