我在使用TensorFlow的tf.contrib.learn中的DNNRegressor估计器时遇到了问题。在估计器的文档页面中，展示了提供输入的两种方法。
第一种方法使用input_fn函数，正如描述的那样，应该用于预处理并将输入提供给估计器，而第二种方法直接提供输入。示例：
def input_function: ... return feature_cols, labelestimator.fit(input_fn=input_function, steps=...)在这种情况下，feature_cols是一个dict，其中包含：
- 键：指定列名的string，
- 值：指定列值的tf.constant，
label是一个包含标签的单个tf.constant列。
这种方法有效。
X_train = ...y_train = ...estimator.fit(x=X_train, y=y_train, steps=...)在这种情况下，我不知道应该如何提供X和y。我尝试了以下方法：
- 普通的numpy数组。这只是尝试性的，并没有成功。错误信息是：
KeyError: 'my_column0' - Pandas DataFrame，其列名对应于定义的列名（在初始化估计器时定义）。尽管现在应该有这个键，我仍然会得到相同的KeyError。
- 传递X=feature_cols和y=label，它们与上述input_fn情况中的定义方式相同。这会导致：
ValueError: Inputs cannot be tensors. Please provide input_fn.
我还尝试了其他结合dict和numpy数组的方法，但都没有成功。我希望能够使用第二种方法使其工作，因为这也适用于将对象传递给evaluate和predict。有谁知道正确的格式吗？另外，有没有办法直接传递numpy数组？
谢谢！
简而言之，直接使用estimator.fit(x=X_train, y=y_train, steps=...)向tf.contrib.learn估计器提供输入时，输入应该是什么格式？
回答：
我猜我错过了以下警告：某些参数已被弃用。它们将在2016-12-01之后被移除。更新说明：通过将估计器移入单独的类SKCompat中，估计器与Scikit Learn接口解耦。参数x、y和batch_size仅在SKCompat类中可用，估计器将只接受input_fn。示例转换：est = Estimator(…) -> est = SKCompat(Estimator(…))
尽管如此，奇怪的是在2016-12-01之后这些参数仍然存在。
