TensorFlow系列——在estimator中使用feature_column处理tfrecord特征

一、用于现成的estimator模型

1、读取tfrecord数据

1.1、tfrecord中包含所有（特征名-值）以及标签的情况

feature_schema = {
    # 包含了tfrecord里的所有特征，包括标签label
    "sex": tf.io.FixedLenFeature(shape=(1,), dtype=tf.int64),
    "age": tf.io.FixedLenFeature(shape=(1,), dtype=tf.int64),
    "label": tf.io.FixedLenFeature(shape=(1,), dtype=tf.float32)
}
# train_files就是tfrecord文件列表
tf.data.experimental.make_batched_features_dataset(
            file_pattern=train_files,
            features=feature_schema,
            label_key="label")

1.2、tfrecord中将各个特征数据放在一个数组中的情况（"user_data"—array[值]）

参考：tensorflow系列——读取tfrecord数据

2、定义feature_column

def get_feature_columns(args):
    user_sex = tf.feature_colu