如何将TensorFlow数据集列合并到Keras的（功能、标签）元组中？

我有一个由多个字段组成的

tf.data.Dataset

（例如feature1、feature2、feature3、label）。如何将其转换为带有（特征、标签）的

Tensor

，以便传递给

Keras

进行模型训练

更新

tf.data.Dataset

是一个类似的字典：

{
    'feature1': 1.5,
    'feature2': 5.6,
    'feature3': 7.9,
    'label': 1.0
}

---

预期的

Keras

输入格式是具有两个张量的

元组
（特征张量、标签张量）
您可以定义一个函数，该函数可以接受字典元素并以所需格式返回数据作为元组。然后，您可以使用方法将其应用于数据集：

def reformat_element(elem):
    features = [elem['feature1'], elem['feature2'], elem['feature3']]
    label = [elem['label']]
    return features, label

dataset = dataset.map(reformat_element) 

您可以定义一个函数，该函数可以接受dictionary元素并以所需格式作为元组返回数据。然后，您可以使用方法将其应用于数据集：

def reformat_element(elem):
    features = [elem['feature1'], elem['feature2'], elem['feature3']]
    label = [elem['label']]
    return features, label

dataset = dataset.map(reformat_element) 

你能提供更多细节吗？请提供一些最小的可复制代码，以便我们能够理解您所说的“（例如feature1、feature2、feature3、label）”是什么意思。。。关于这一点，有很多自定义的专有基础设施……需要澄清的是：这是您要转换的
tf.data.dataset
对象的一个元素，还是Python字典列表中的一个元素？
tf.data.dataset
的一个元素，您可以提供更多详细信息吗？请提供一些最小的可复制代码，以便我们能够理解您所说的“（例如feature1、feature2、feature3、label）”是什么意思。。。在这方面有很多定制的专有基础设施……需要澄清的是：这是您要转换的
tf.data.dataset
对象的一个元素，还是Python字典列表中的一个元素？
tf.data.dataset