如何在没有迭代的情况下在Keras中加载多输出模型的训练过程中的数据？

from keras.models import Sequential
from keras.layers import Dense

# 定义模型
model = Sequential()
model.add(Dense(64, activation='relu', input_dim=100))
model.add(Dense(64, activation='relu'))
model.add(Dense(10, activation='softmax'))

# 编译模型
model.compile(optimizer='rmsprop',
              loss={'output1': 'categorical_crossentropy', 'output2': 'mean_squared_error'},
              loss_weights={'output1': 0.2, 'output2': 0.8})

# 加载数据
input_data = ...
output1_labels = ...
output2_labels = ...

# 训练模型
model.fit(input_data, {'output1': output1_labels, 'output2': output2_labels},
          epochs=10, batch_size=32)