创建输出dict的TensorFlow数据集

我对我的数据集有一个带有“元数据”的dict。 {'m1': array_1, 'm2': array_2, ...}. 每个数组都有形状(n,…),其中n是样本数。

问题是: 是否可以创建一个 tf.data.Dataset 输出字典 {'meta_1': sub_array_1, 'meta_2': sub_array_2, ...} 对于数据集迭代器的每次迭代。get_next()?在这里,子数组应该包含一个批的第i个元数据,所以应该有shape(batch_sz,…)。

到目前为止我尝试的是使用 tf.data.Dataset.from_generator() ,如下所示:

N = 100
# dictionary of arrays:
metadata = {'m1': np.zeros(shape=(N,2)), 'm2': np.ones(shape=(N,3,5))} 
num_samples = N

def meta_dict_gen():
    for i in range(num_samples):
        ls = {}
        for key, val in metadata.items():
            ls[key] = val[i]
        yield ls

dataset = tf.data.Dataset.from_generator(meta_dict_gen, output_types=(dict))

这个问题似乎出在 output_types=(dict) . 上面的代码向我扔了一个

类型错误:参数'tout'的预期数据类型不是<类'dict'>。

我使用的是TensorFlow 1.8和python 3.6。