tensorflow2 TFrecord读取时，如何将图像和标签分别读取为batch？

Question

问题遇到的现象和发生背景

本人在用tensorflow2 TFrecord读取时看到一些写的脚本都是将其读取成batch里面包含了数据（图像矩阵）和标签，我想将数据和标签从batch分离出来使用，应该如何实现？

问题相关代码，请勿粘贴截图

tfrecord_file = ''
dataset = tf.data.TFRecordDataset(tfrecord_file)  # 读取 TFRecord 文件
features = {  # 定义Feature结构，告诉解码器每个Feature的类型是什么
    'label': tf.io.FixedLenFeature([], tf.float32),
    'img_raw': tf.io.FixedLenFeature([], tf.string)
}


def read_and_decode(example_string):
    '''
    从TFrecord格式文件中读取数据
    '''
    feature_dict = tf.io.parse_single_example(example_string, features)
    image = tf.io.decode_raw(feature_dict['img_raw'], tf.uint8)
    label = tf.cast(feature_dict['label'], tf.float32)
    image = tf.reshape(image, [224, 224,3])
    # image = tf.cast(image, dtype='float32') / 255.  # 在流中抛出img张量
    # label = tf.cast(feature_description['label'], tf.int64) # 在流中抛出label张量
    image_batch =  tf.cast(image,dtype=tf.float32)
    return image_batch, label

dataset = dataset.repeat(2)  # 重复数据集
dataset = dataset.map(read_and_decode)  # 解析数据
dataset = dataset.shuffle(buffer_size=100)  # 在缓冲区中随机打乱数据
test_batch = dataset.batch(batch_size=64)  # 每10条数据为一个batch，生成一个新的Datasets
#print(test_batch)

运行结果及报错内容

<BatchDataset shapes: ((None, 224, 224, 3), (None,)), types: (tf.float32, tf.float32)>

我的解答思路和尝试过的方法

曾尝试过用循环读取出来但是害怕数据和标签对不起，还有要是将循环内容存入列表怕内存爆了
for img,label in test_batch:
labels.append(label)
print(np.array(labels))

我想要达到的结果

希望可以将BatchDataset分成数据和标签的形式