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