如何详细解读使用TFRecordDataset进行变长数据批量读取的TensorFlow操作？

本文共计784个文字，预计阅读时间需要4分钟。

在上篇文章中，我们介绍了TensorFlow入门：tfrecord与tf.data.TFRecordDataset的使用。讲述了如何利用tf.data.TFRecordDataset对tfrecord文件进行批量读取，即通过dataset的batch方法实现。然而，如果每条数据的长度过长怎么办？

在上一篇文章tensorflow入门：tfrecord 和tf.data.TFRecordDataset的使用里，讲到了使用如何使用tf.data.TFRecordDatase来对tfrecord文件进行batch读取，即使用dataset的batch方法进行；但如果每条数据的长度不一样（常见于语音、视频、NLP等领域），则不能直接用batch方法获取数据，这时则有两个解决办法：

1.在把数据写入tfrecord时，先把数据pad到统一的长度再写入tfrecord；这个方法的问题在于：若是有大量数据的长度都远远小于最大长度，则会造成存储空间的大量浪费。