在TensorFlow中，制作数据集通常需要遵循以下步骤：
数据准备：首先要准备好训练数据和标签数据。数据可以是图片、文本等形式，标签可以是分类标签、回归标签等。
数据处理：对数据进行预处理，例如对图片数据进行归一化、resize等操作，对文本数据进行分词、编码等操作。
创建Dataset对象：使用tf.data.Dataset类来创建数据集对象，将准备好的数据和标签数据传入tf.data.Dataset.from_tensor_slices()或者tf.data.Dataset.from_generator()方法来创建Dataset对象。
打乱数据集：使用shuffle()方法对数据集进行打乱，以提高模型的泛化能力。
数据批处理：使用batch()方法对数据集进行批处理，可以指定每个batch的大小。
数据预处理和增强：可以使用map()方法对数据进行预处理和增强操作，例如数据增强、数据标准化等。
预加载数据：使用prefetch()方法来预加载数据集，以提高训练效率。
通过以上步骤，就可以制作好一个可以用于训练模型的TensorFlow数据集。