有没有一种方法可以让Keras读取TFRecord数据集，而不需要额外的数据处理措施？

import tensorflow as tf
from tensorflow import keras

# 创建一个TFRecordDataset对象
dataset = tf.data.TFRecordDataset('path/to/tfrecord/file.tfrecord')

# 定义解析函数，用于解析TFRecord中的数据
def parse_fn(example):
    feature_description = {
        'image': tf.io.FixedLenFeature([], tf.string),
        'label': tf.io.FixedLenFeature([], tf.int64),
    }
    example = tf.io.parse_single_example(example, feature_description)
    image = tf.io.decode_image(example['image'], channels=3)
    label = example['label']
    return image, label

# 对数据集进行解析和预处理
dataset = dataset.map(parse_fn)

# 创建一个Keras模型
model = keras.Sequential([...])

# 编译和训练模型
model.compile(...)
model.fit(dataset, ...)