参考：《深度学习图像识别技术--基于TensorFlow Object Detection API 和 OpenVINO》
TensorFlow提供了一个由多个API层组成的编程堆栈(programming stack),如下图所示：
TensorFlow官网强烈推荐用下面两个APIs编写TensorFlow程序
Estimators, Estimator API 提供了完整的训练模型、评估模型精度和生成预测的方法(methods)
Datasets, 构建数据输入管道(data input pipeline). Dataset API 负责载入数据、操作数据，然后把数据输入模型 。Dataset API 和 Estimators API 啮合的非常好。
获得范例代码：
用命令（若没有装git，git安装和使用请参考《Git学习手记3:安装Git》）：
git clone https://github.com/tensorflow/models， 如下
进入models/samples/core/get_started/ 文件夹下，运行premade_estimator.py
运行结果如下：
在Visual Studio Code中，打开文件premade_estimator.py，如下图所示：
可以看到该程序主要分为以下六个部分：
1，导入和解析数据集。
2，创建描述数据的特征列。
3，选择模型的类型。
4，训练模型。
5，评估模型的有效性。
6，让训练好的模型进行预测。
这六个部分也是大多数TensorFlow程序包含的必要部分
