Python 如何使用谓词按标签筛选自定义tensorflow数据集

我使用以下代码从本地图像目录创建了tensorflow数据集：

train_ds = tf.keras.preprocessing.image_dataset_from_directory(
        train_dir=my_img_dir,
        validation_split=0.2,
        subset="training",
        seed=123,
        image_size=(256,256),
        batch_size=32)

我有1301个标签。这是一个分类图像问题。由于类别众多，我选择尝试暹罗网络 我正在尝试创建成对的图像来为我的暹罗网络提供信息，因此我需要相同类别的成对图像和不同类别的成对图像。为此，我尝试使用此代码进行筛选（例如，仅筛选标签==314）

上面的每个过滤器都给了我一个错误。 使用lambda的过滤器出现以下错误：

ValueError: `predicate` return type must be convertible to a scalar boolean tensor. Was TensorSpec(shape=(None,), dtype=tf.bool, name=None).

使用定制的函数谓词，我没有发现任何错误，但它根本不是过滤。 我想了解它是如何工作的。知道数据集是成批加载的，如何进行筛选。 如何返回具有相同类别/标签的两个图像的元组？ 谢谢你的帮助

ValueError: `predicate` return type must be convertible to a scalar boolean tensor. Was TensorSpec(shape=(None,), dtype=tf.bool, name=None).