Python numpy数据集代替张量切片

我正在用时间序列数据拟合Tensorflow RNN+LSTM模型。将数据集划分为60:40，分别得到训练数据集和测试数据集。现在，我正在使用张量切片来组合x_序列、y_序列值，以及类似的x_测试和y_测试值。当使用tensor服务托管模型时，模型需要tensor数据，但是使用rest客户端，我只能发送JSON可序列化数据。 现在为了实现这一点，我想通过使用numpy数组而不是张量切片来改变我训练模型的方式。下面是我用来创建numpy切片的代码。有人能建议我如何使用numpy数组来实现同样的效果吗

train_data_multi = tf.data.Dataset.from_tensor_slices((x_train_multi, y_train_multi))
train_data_multi = train_data_multi.cache().shuffle(BUFFER_SIZE).batch(BATCH_SIZE).repeat()

val_data_multi = tf.data.Dataset.from_tensor_slices((x_val_multi, y_val_multi))
val_data_multi = val_data_multi.batch(BATCH_SIZE).repeat()

x\U系列和y\U系列属于以下类型：

它们的形状分别是

（59448500,10）

和

（59448200）

我正在使用以下代码来适应我的模型：

model\u history=model.fit（train\u data\u multi，epochs=epochs，steps\u per\u epoch=EVALUATION\u INTERVAL，validation\u data=val\u data\u multi，validation\u steps=EVALUATION\u INTERVAL，callbacks=[提前停止]）