参考：《深度学习图像识别技术--基于TensorFlow Object Detection API 和 OpenVINO》
上节，详细分析了在自定义模型函数中，创建神经网络的三个步骤：创建输入层、创建隐藏层、创建输出层。本节主要介绍自定义模型函数的最后一步：编写实现预测、评估和训练的分支代码
回忆一下：《TensorFlow入门16: 创建自定义的Estimator 2》
1，Model_fn的返回值是： tf.estimator.EstimatorSpec。
2，Estimator对象的三个方法train、evaluate、predict都会调用model_fn给Estimator传参数。
3，当Estimator对象调用 train、evaluate 或 predict 方法时，Estimator 对象会在调用模型函数前，将 mode 参数设置为对应的值：ModeKeys.TRAIN、ModeKeys.EVAL、ModeKeys.PREDICT。
由此，model_fn函数创建好神经网络后，检测mode值，根据不同的mode，实现对应的代码，并返回： tf.estimator.EstimatorSpec，具体的实现，参考下图：
model_fn的代码实现
完成model_fn函数编写后，回到main函数，可以发现，只有创建classifier对象的代码，略有不同，其余代码一模一样，如下图所示
创建classifier对象代码比较
