Python Tensorflow如何从输入和输出元组创建数据集

我想创建一个数据集，它是一个元组列表，第一个值是输入（也是一个元组），第二个值是预期的输出

我有一份清单：

mylist = list()

在一个while循环中，我使用以下内容创建列表：

mylist.append(  ([input, input_mask], expected_output) )

输入

、

输入掩码

和

预期输出

的形状为

（800120）

（我希望模型将获得

输入

和

输入屏蔽

作为输入，并使用

预期输出

计算损失）

最后，我想将

mylist

转换为模型的数据集

---

如何创建数据集？

例如，作为口述记录。使用按键

input

，

input\u mask

和

标签

。因此，

tf.data.Dataset.from_tensor_切片（（输入，输入掩码，标签））

@Oscar但当我这样做时，我得到一个错误

ValueError:Layer model_5需要2个输入，但它收到1个输入张量。

（

形状=（3800120

）。它将3个张量的所有元组作为一个输入传递给模型。我如何强制它只传递元组中的两个参数？使用lambda函数，使用索引，拆分元组。