Python 如何从嵌套元组列表生成批量数据？

我已经实现了一个Keras定制数据生成器，它从表单的一对嵌套元组（文件、测试）生成正面和负面的数据示例

数据示例：

 [((0, 1, 2), 0), 
  ((3, 4, 5), 0), 
  ((12,), 1), 
  ((0, 1, 4, 7), 1)] 

批处理示例：

{'files': (0, 1, 2), 'test': 0}, label=1

其中，标签1表示数据中的正示例，0表示负示例

我有以下生成数据的功能：

 def data_generation(self, pairs):
    """Generate batches of samples for training"""
    batch = np.zeros((self.batch_size, 3)) # I KNOW THE PROBLEM CAN BE HERE

    # Adjust label based on task
    if self.classification:
        neg_label = 0
    else:
        neg_label = -1

    # This creates a generator
    while True:
        for idx, (file_id, test_id) in enumerate(random.sample(pairs, self.n_positive)):
            batch[idx, :] = (file_id, test_id, 1)

        # Increment idx by 1
        idx += 1

        # Add negative examples until reach batch size
        while idx < self.batch_size:

            # random selection
            random_test = random.randrange(self.nr_tests)

            # Check to make sure this is not a positive example
            if (file_id, random_test) not in self.pairs_set:
                # Add to batch and increment index
                batch[idx, :] = (file_id, random_test, neg_label)
                idx += 1

        np.random.shuffle(batch)
        yield {'file': batch[:, 0], 'test': batch[:, 1]}, batch[:, 2]

---

现在，我知道批处理是个问题，因为它的形式是（tuple，int，int），而且长度可变。我应该屏蔽还是填充元组？我怎样才能做到这一点？

还不完全清楚您希望得到什么样的输出。是否可以添加预期输出？预期输出是批处理示例的形式，但可以转换为tf.Tensor

Traceback:
    File "/Users/DataGenerator.py", line 83, in data_generation
        batch[idx, :] = (file_id, test_id, 1)
    ValueError: setting an array element with a sequence.