Python 如何在Tensorflow中填充元组数据以进行批处理？

我无法执行填充批处理dataset.padded_batch（），在Tensorflow中，以下是我的代码：

这段代码抛出了一个错误，不起作用，我想这是因为出于某种原因，我使用自己的代码来计算MFCC，但如果我不调用padded_batch，它就会起作用

我得到以下错误：

“InvalidArgumentError:批处理中的所有元素必须与组件0的填充形状具有相同的等级：预期等级为1，但获得等级为2的元素。” [[Node:IteratorGetNext=IteratorGetNextoutput_shapes=[[？，？]，[？，？]，[？，？]，[？，？]]，输出_类型=[DT_DOUBLE，DT_字符串，DT_INT64]，_device=“/job:localhost/replica:0/任务：0/设备：CPU:0”]”

def_read_py_功能（音频、标签）：
音频=音频至音频mfcc（音频）
原始长度=音频.形状[0]
#如果audio.shape[0]=时间步：
#原始长度=时间步长
#音频=标准化（pad（音频），轴=1）
#音频=键盘（音频）
返回音频、标签、原始长度
dataset=tf.contrib.data.TextLineDataset（“hardik_250_docker.csv”）
dataset=dataset.map（解码\u csv）
dataset=dataset.map(
lambda音频，标签：元组（tf.py_func(
_read_py_函数[audio，label]，[tf.double，label.dtype，tf.int64]））
形状=（[None]、[None]、[None]）
dataset=dataset.padded_批处理（2，padded_形状=形状）

请在问题中包含错误信息。我添加了确切的错误，我得到

def _read_py_function(audio, label):
    audio = audio_to_mfcc(audio)
    original_length=audio.shape[0]

    #if audio.shape[0] < timesteps:
     #   original_length=audio.shape[0]
       # print(original_length)

    #elif audio.shape[0] >= timesteps:
     #   original_length=timesteps


    #audio=normalized(pad(audio) , axis=1 )
   # audio=pad(audio)

    return audio ,label, original_length

dataset = tf.contrib.data.TextLineDataset("hardik_250_docker.csv")
dataset=dataset.map(decode_csv)



dataset = dataset.map(
    lambda audio, label: tuple(tf.py_func(
        _read_py_function, [audio, label], [tf.double, label.dtype, tf.int64])))


shapes=([None]  , [None], [None])
dataset=dataset.padded_batch(2, padded_shapes=shapes)