Python 3.x 如何为计算机视觉从csv文件生成tfrecord

我想生成tfrecord，用于训练辅助分类器生成对抗网络。我的数据集CSV文件具有如下列标题：

输入图像、目标图像、标签

我尝试按照在中给出的说明生成tfrecord

我创建了解析图像和标签的函数：

def image_example(inp, tar, label):
  inpS = tf.image.decode_jpeg(inp).shape
  tarS = tf.image.decode_jpeg(tar).shape

  feature1 = {
      'height': _int64_feature(inpS[0]),
      'width': _int64_feature(inpS[1]),
      'depth': _int64_feature(inpS[2]),
      'label': _int64_feature(label),
      'image_raw': _bytes_feature(inp),
  }

  feature2 = {
      'height': _int64_feature(tarS[0]),
      'width': _int64_feature(tarS[1]),
      'depth': _int64_feature(tarS[2]),
      'image_raw': _bytes_feature(tar),
  }
  data = tf.train.Example(features=tf.train.Features(feature=(feature1, feature2)))

  return data

为了序列化我正在使用的数据：

record_file = './images.tfrecords'
with tf.io.TFRecordWriter(record_file) as writer:
  for img1, img2, label in zip(Afiles, Bfiles, labels):
    inp = open(pathA+img1, 'rb').read()
    tar = open(pathB+img2, 'rb').read()
    tf_example = image_example(inp, tar, label)
    writer.write(tf_example.SerializeToString())

但这是行不通的

如何为我的问题创建tfrecord

我应该为输入图像和目标图像使用不同的TFR记录吗