Tensorflow Keras также использует tfrecords для проверки

Во-первых, вам не нужно использовать итератор. Модель Keras примет объект набора данных вместо отдельных параметров данных / меток и будет обрабатывать итерации. Вам нужно только указать steps_per_epoch, поэтому вам нужно знать размер набора данных. Если у вас есть отдельный файл tfrecords для обучения / проверки, тогда вы можете просто создать объект набора данных и передать его в validation_data. Если у вас есть один файл, и вы хотите разбить его, вы можете сделать

dataset = tf.data.TFRecordDataset('file.tfrecords')
dataset_train = dataset.take(size)
dataset_val = dataset.skip(size)

...

Хорошо, я нашел ответ сам: в основном это делается простым изменением import keras на import tensorflow.keras as keras. Tf.keras позволяет передавать набор проверки также как тензор:

X, Y = datasetLoader('PATH-TO-DATASET', 264)
X_val, Y_val = datasetLoader('PATH-TO-VALIDATION-DATASET', 264)

# ... define and compile the model like above

parallel_model.fit(
    epochs= epochs,
    steps_per_epoch= STEPS_PER_EPOCH,
    shuffle= False,
    validation_data= (X_val, Y_val),
    validation_steps= STEPS_PER_VALIDATION_EPOCH
)