model = gensim.models.KeyedVectors.load_word2vec_format(model_file, binary=True)

这行代码的作用是从文件中加载预训练的word2vec模型，`model_file`是保存模型的文件路径，`binary`参数指定模型文件是否是二进制格式，默认为True。

如果`binary`参数为True，表示模型文件是以二进制格式保存的，加载时需要使用`load_word2vec_format`方法。如果`binary`参数为False，表示模型文件是以文本格式保存的，需要使用`load_word2vec_format`方法的另一个版本`load_word2vec_format(fname, fvocab=None, binary=False, encoding='utf8', unicode_errors='strict')`加载。这个方法中，`fname`参数指定模型文件的路径，`fvocab`参数是词汇表文件的路径，如果指定了该参数，则会同时加载词汇表文件。

示例代码如下：

import gensim

# 加载预训练的word2vec模型
model_file = 'path/to/word2vec.bin'
model = gensim.models.KeyedVectors.load_word2vec_format(model_file, binary=True)

# 获取词向量
vector = model['word']

其中，`word`是要获取词向量的词汇，`vector`是该词汇的词向量。需要注意的是，如果模型中没有该词汇，会抛出`KeyError`异常。