我有大量帶有標簽 (.mat) 文件（不能使用tf.data.Dataset.from_tensor_slices()）的圖像，我想使用tf.dataAPI 從中制作 tensorflow 數據集。正如我在文檔中讀到的，我可以使用tf.data.TextLineDataset大量數據（我必須有一個包含所有圖像地址的 txt 文件，并將 txt 文件的路徑作為tf.data.TextLineDataset參數發送）。然后，我可以使用map方法讀取 txt 文件 ( tf.read_file) 解碼 jpg 圖像 ( tf.image.decode_jpeg) 并對圖像進行一些基本的轉換。但是，我無法scipy.io.loadmat在map方法的任何部分使用，因為我沒有指示 mat 文件路徑的字符串。我所擁有的只是tf.Tensor.我不認為在這種情況下讀取所有圖像并從中制作 TFRecord 有那么高的效率，因為那樣我基本上每件事都會做兩次。一次，讀取整個圖像并制作 TFRecord，再一次，讀取 TFRecord 以制作 tensorflow 數據集。知道如何解決這個問題嗎？這是我的代碼：dataset = tf.data.TextLineDataset(txt_file).map(read_img_and_mat)接著：def read_img_and_mat(path):    image_string = tf.read_file(path)    image_decoded = tf.image.decode_jpeg(image_string, channels=3)    label = ... # get label from mat file    return image_decoded, label