deep-learning - MSCOCO データセットを使用した画像キャプションの TFX

Question

画像を tfrecords に変換できますが、キャプションと組み合わせる方法がわかりません。実際には、画像とキャプションのペア データで tfrecords を生成したいと考えています。このために 2d tfrecords を作成しようとしましたが、機能しませんでした。ここでは、TFX を使用して画像キャプション用の MLOPS パイプラインを作成しようとしています。MLOPS パイプラインを作成するための他のアイデアがある場合は、コメントしてください。