Tensorflow中的规范化，文本分类

Question

前几天我读过有关tensorflow的文本分类，我在github上找到了这个代表，并根据示例构建了我自己的模型：https://github.com/dmesquita/understanding_tensorflow_nn

效果很好，但我不明白：

for text in texts:
    layer = np.zeros(total_words,dtype=float)
    for word in text.split(' '):
        layer[word2index[word.lower()]] += 1

当第二次出现相同的单词时，它会增加图层中的值（+ = 1），但是归一化在哪里？我读到神经网络的输入值为0到1之间。我扫描了所有代码，但找不到规范化。任何机构都可以解释，为什么？这是错误的例子吗？

第二个问题，当我们在这个例子中构建词汇时，我们使用Counter（）：

    for text in newsgroups_train.data:
         for word in text.split(' '):
             vocab[word.lower()]+=1

我们每次抓到一个词时都会增加词汇元素，为什么？我们以后不再使用它。