deep-learning - 使用 MSCOCO 数据集进行图像字幕的 TFX

Question

我能够将图像转换为 tfrecords，但不知道如何将它与字幕结合起来。实际上，我想用图像和标题的配对数据生成 tfrecords。我试图为此创建 2d tfrecords 但不起作用。在这里，我正在尝试使用 TFX 为图像字幕创建 MLOPS 管道。如果有人对创建 MLOPS 管道有任何其他想法，请发表评论。