5-1 课程引入 ：Tf.estimator使用与tf1.0

理论上来说，学完了1-5章，就完成了tensorflow的基本使用方法，接下来说明一下tf1.0的使用方法，比较二者的区别。

首先看一下Tf.estimator的使用。

1.我们使用Keras搭建的模型，可以转成estimator。
2.可以使用预定义的estimator：
BaseLineClassifier：机械模型,使用随机猜测的方式来进行预测。
LinearClassifier：线性模型。
DNNClassifier：深度全连接神经网络模型。
3.Tf.feature_column做特征工程。用来组织数据，把数据表达成一个个feature，对这些feature做一些操作，比如onehot编码。

接下来说明一下在说明Tf.estimator过程中所用到的API列表：
1.Tf.Keras.estimator.to_estrimator：帮助我们把Keras搭建的模型转化成estimator。有Train和evaluate几个PAI接口。
2.Tf.estimator.BaselineClassifier。
3.Tf.estimatorLinerClassifier
4.Tf.estimator.DNNClassifier
5.Tf.feature_column中会使用这么几个接口：
categorical_column_with_vocabulary_list
numeric_column
indicator_column
cross_column
我们在使用中会具体介绍。
6.Keras.layers.DenseFeatures，可以把feature_column表达的数据读取到网络中来。