您可能不需要使用tf.keras.utils.Sequence。我认为您可以使用ImageDataGenerator.flow_from_dataframe来实现它。让我们假设您有一个名为df的 Dataframe ，其中包含以下列：

column 0 is the filepaths column that contains the full path to the image file
column 1 first numerical data column let it have column name num1
column 2 2nd numerical data column let it have column name num2
column 3 is the categorical data column, give it the column name cat

现在创建一个表单列表

input_list=[num1, num2, cat]

现在创建生成器

bs=30 # batch_size
img_size=(224,224) # image size to use
gen=ImageDataGenerator(rescale=1/255)
train_gen=gen.flow_from_dataframe(df, xcol='filepaths', y_col=input_list, target_size=img_size, batch_size=bs, shuffle=True, seed=123, class_mode='raw', color_mode='rgb')

注意确保class_mode设置为'raw'。要测试生成器，请尝试以下代码

images, labels=next(train_gen)
print (images.shape) # should get (30, 224,224,3)
print (labels.shape) # should get (30, 3)

我已经使用了这种方法，其中input_list中的所有输入列都是数值型的，并且能够训练一个模型。我不确定这种方法是否适用于数值型和分类型输入的混合，但我认为它适用。注意，当然，您可能首先希望使用sklearn的train_test_split将df划分为train_df、test_df和valid_df。在这种情况下，您将希望创建一个train，测试和有效的生成器。2在测试生成器中设置shuffle=False。3让我知道这是否有效。