解析工具
概述
解析实用程序是一组帮助生成解析规范的函数tf parse_example美元用于估计器。如果用户保存数据tf美元的例子格式，他们需要调用tf parse_example美元这些实用函数有两个主要的帮助:
用户需要将解析规范与标签和权重(如果有的话)结合起来，因为它们都是从相同的地方解析出来的
tf美元的例子实例。实用程序函数结合了这些规范。这样的估计器很难映射期望的标签
dnn_classifier到相应的tf parse_example美元实用函数通过从用户那里获取相关信息(key, dtype)来对其进行编码。
解析规范的示例输出
parsing_spec < -classifier_parse_example_spec（feature_columns =column_numeric（“一个”)，label_key =“b”，weight_column =“c”）对于上面的例子，classifier_parse_example_spec将返回以下内容:
expected_spec < -列表（一个=特遣部队＄python＄运维＄parsing_ops＄FixedLenFeature(网状：：元组(1升),dtype =特遣部队＄float32),c =特遣部队＄python＄运维＄parsing_ops＄FixedLenFeature(网状：：元组(1升),dtype =特遣部队＄float32),b =特遣部队＄python＄运维＄parsing_ops＄FixedLenFeature(网状：：元组(1升),dtype =特遣部队＄int64)）#这应该与我们使用' classifier_parse_example_spec '构造的相同testthat：：expect_equal(parsing_spec expected_spec)分类器的示例用法
首先，定义特征转换并初始化分类器，如下所示:
fcs < -feature_columns(…)模型< -dnn_classifier（n_classes =1000，feature_columns =fcs,weight_column =“example-weight”，label_vocabulary =c（“照片”，“保持”、……)hidden_units =c（256，64，16））接下来，创建解析配置tf parse_example美元使用classifier_parse_example_spec还有专题专栏fcs我们刚刚定义了:
parsing_spec < -classifier_parse_example_spec（feature_columns =fcs,label_key =“公司”，label_dtype =特遣部队＄字符串,weight_column =“example-weight”）这个标签配置告诉分类器以下信息:
- 通过键' example-weight '检索权重
- Label是字符串，可以是以下其中之一
c(“照片”,“保持”,…) - 标签“photos”的整数id为0，“keep”为1，等等
然后定义输入函数read_batch_features从文件中读取批量特性tf美元的例子使用解析配置格式化parsing_spec我们定义:
input_fn_train < -函数() {< -特点特遣部队＄普通发布版＄学习＄read_batch_features（file_pattern =train_files,batch_size =batch_size,特点=parsing_spec,读者=特遣部队＄RecordIOReader)标签< -特性[[“公司”]]返回（列表(功能、标签)｝最后，利用分析得到的训练输入函数对模型进行训练classifier_parse_example_spec：