这是一个不会引发错误的SVM使用示例：
import numpyimport tensorflow as tfX = numpy.zeros([157, 128])Y = numpy.zeros([157], dtype=numpy.int32)example_id = numpy.array(['%d' % i for i in range(len(Y))])x_column_name = 'x'example_id_column_name = 'example_id'train_input_fn = tf.estimator.inputs.numpy_input_fn( x={x_column_name: X, example_id_column_name: example_id}, y=Y, num_epochs=None, shuffle=True)svm = tf.contrib.learn.SVM( example_id_column=example_id_column_name, feature_columns=(tf.contrib.layers.real_valued_column( column_name=x_column_name, dimension=128),), l2_regularization=0.1)svm.fit(input_fn=train_input_fn, steps=10)传递给SVM估计器的示例需要字符串ID。您可能可以用back代替
infer_real_valued_columns_from_input，但是您需要给它传递一个字典，以便它为列选择正确的名称。在这种情况下，从概念上讲，仅自己构造功能列就更简单。
