Tensorflow 如何使用多个输入正确实现来自生成器的tf.data？

我为暹罗网络创建了一个自定义生成器，用于向网络三元组图像提供信息：

def __getitem__(self, index):

...preprocessing of anchors positive and negative matches
    
return anchors, positives, negatives

从生成器创建tf.data数据集的正确方法是什么？ 如果我将三元组包装在元组/列表中，下面的尝试将导致生成器出错

ds = tf.data.Dataset.from_generator(
lambda: train_gen, 
output_types=(tf.float32, tf.float32, tf.float32), 
output_shapes=([None,224,224,3], [None,224,224,3], [None,224,224,3])

但是如果我这样做了，我会得到同样的错误，但是当我给它输入

ds

时，我会从模型中得到同样的错误

Layer model expects 3 input(s), but it received 1 input tensors. Inputs received: [<tf.Tensor 'IteratorGetNext:0' shape=(None, None, None, None) dtype=float32>]

层模型需要3个输入，但收到1个输入张量。收到的投入：[]

这个错误是不言自明的。我只是不明白怎么做 如果我做了

[a，p，n]

我在创建数据集时从

tf.data.dataset.from_generator（）

函数得到它，但不是在调用

.fit（ds）

时，而是在使用

.predict（ds）

---

我很感激你能提供的任何观点，谢谢

是否需要添加lambda？你能展示一下你是如何编写你的早期生成器的吗？从外观上看，你在使用keras序列生成器吗？试着打印出你的生成器，检查你是否有3个输入。但是从张量切片上看，你可以接受numpy数组作为输入。你可以使用map函数来读取和处理你的图像，但是也许你可以分享更多的细节，比如你解决了这个问题