Python 3.x 如何为tf.estimator的输入_fn提供额外的目标参数

如您所知，为了利用tf.estimator，需要实现模型函数，构建一个生成成批（特征、标签）对的管道，因此签名应如下所示：

model_fn(features, labels, mode, params, config):

这些特征和标签应该从输入返回。我们假设features->X和labels->y，我在这里遇到了一个问题，因为我有两种类型的标签

为了将目标和标签作为单独的参数提供，而不仅仅是一个标签参数，有什么替代方案

注意：我尝试将目标和标签连接起来，然后在需要的地方对它们进行切片，但这在模型的执行过程中产生了一个额外的问题。所以我想知道你们还有没有更好的主意

---

多谢各位

在您的

输入中，您只需返回一个字典，而不是作为标签的张量。也就是说，您的输入函数很可能返回元组
（特性、标签）
上的迭代器。
特征
和
标签
都可以是单个张量或
dict
。这句话应该从字符串映射到张量

您可以将数据集准备为一个返回三个元素的数据集
（功能、目标、标签）
，然后包括一个映射以将目标打包到dict中（可能有更好的方法，但这是可行的）：

现在，如果其中一个元素是dict（比如，
labels
），那么
model\u fn
的相应输入也将是dict。然后，您只需在
model\u fn
中使用
标签[“targets”]
和
标签[“labels”]
，谢谢@xdurch0，让我试试看，如果有什么异常情况发生，我会在这里更新。
Features = X : [None, 2048]
Labels = targets: [None, 2048]
         labels: [None, 1] 

data = ...  # prepare dataset of 3-tuples

def pack_in_dict(features, targets, labels):
    return features, {"targets": targets, "labels": labels}

data = data.map(pack_in_dict)