如何将两个TensorFlow数据集分别作为输入和标签用于模型训练

Keras 要求输入为 tf.data.Dataset 类型时，单个数据集需要在每步迭代直接返回 (输入张量, 标签张量) 的二元组，不支持将输入数据、标签数据拆分为两个独立的 Dataset 对象分别传入 x 和 y 参数，这是触发报错的核心原因。

你只需要将两个独立的数据集打包合并为一个返回样本-标签对的数据集即可，操作步骤如下：

1. 用 tf.data.Dataset.zip() 方法对齐两个数据集，自动按位置配对输入和标签：

# 对齐输入数据集和标签数据集，每步返回 (输入图像, 标签图像)
train_dataset = tf.data.Dataset.zip((data, labels))

# 可选：添加训练常用优化配置，可根据自身需求调整
train_dataset = train_dataset.shuffle(buffer_size=200).prefetch(tf.data.AUTOTUNE)

2. 调用训练方法时仅传入合并后的单个数据集即可，不需要额外传 y 参数：

# 注意Keras内置训练方法为fit，若你使用自定义训练方法逻辑也通用
model.fit(train_dataset, epochs=5)

• 要确保两个目录下的样本排序后一一对应：image_dataset_from_directory 默认按文件名升序加载样本，只要两个目录下的输入、标签对应文件命名顺序一致即可正常配对，若担心顺序错乱可以在加载数据集时添加参数 shuffle=False 固定加载顺序。
• 该方法适配任意batch_size配置，zip操作会自动对齐批次维度，不需要额外调整。

内容的提问来源于stack exchange，提问作者ion g