当feature只是一个张量而不是dict时，如何在tensorflow中创建numeric_column？

Question

我尝试在张量流中为input_fn创建DNNClassifier。 DNNClassifier train方法如下所述，

  

input_fn：一种为训练提供输入数据作为小型游戏的功能。有关详细信息，请参阅TensorFlow入门。该函数应构造并返回以下内容之一：

     

    

A＆＃39; tf.data.Dataset＆＃39; object：Dataset对象的输出必须是具有相同约束的元组（features，labels）。

         

元组（要素，标签）：其中要素是Tensor或Tensor的字符串要素名称字典，而标签是Tensor或Tensor的字符串标签字典。 model_fn都使用这两个功能和标签。它们应满足输入中对model_fn的期望。

  

它说我可以创建一个input_fn，只返回(features, labels) features是一个张量。但numerical_column需要key

此处代码

import tensorflow as tf 
from tensorflow.examples.tutorials.mnist import input_data
mnist = input_data.read_data_sets("MNIST_DATA/", one_hot=False)

train_x, train_y = mnist.train.images, mnist.train.labels
train_y = train_y.astype(np.int32)

def train_input_fn(features, labels):
    return features, labels

feature_columns = [tf.feature_column.numeric_column("")]

classifier = tf.estimator.DNNClassifier(
    feature_columns=feature_columns,
    hidden_units=[10, 10],
    n_classes=10
)

classifier.train(
    input_fn=lambda:train_input_fn(train_x, train_y),
    steps=1000
)

我收到了错误

ValueError: features should be a dictionary of `Tensor`s. Given type: <class 'numpy.ndarray'>