要在TensorFlow中训练自己的数据集，需要按照以下步骤进行：
准备数据集：首先，你需要准备好自己的数据集，包括训练数据和标签。确保数据集的格式和数据类型符合模型的要求。
数据预处理：对数据进行预处理，包括数据标准化、归一化、数据增强等操作，以提高模型的训练效果。
构建模型：使用TensorFlow构建你的模型，可以选择使用已经存在的模型结构，也可以自定义模型结构。
定义损失函数和优化器：选择合适的损失函数和优化器，用于衡量模型输出和标签之间的差异，并优化模型参数。
训练模型：使用数据集对模型进行训练，通过反向传播算法不断更新模型参数，直到模型收敛或达到指定的训练次数。
评估模型：使用测试集对训练好的模型进行评估，计算模型在测试集上的准确率、精度、召回率等指标。
调优模型：根据评估结果对模型进行调优，包括调整超参数、增加训练数据、改变模型结构等操作，以提高模型的性能。
模型预测：最终，使用训练好的模型对新数据进行预测，得到模型的输出结果。
以上就是在TensorFlow中训练自己的数据集的一般步骤，每一步都需要仔细思考和调整，以确保模型能够得到最好的训练效果。