Python 如何将RaggedSensor与tf.data API一起使用

我想将RaggedSensor与tf.data API一起使用，但似乎张量形状的计算不正确。 下面是一个将批次转换为RaggedSensor并返回张量的示例：

import tensorflow as tf

shapes = [None]
types = tf.string
defaults = "<pad>"


def generator_fn_ragged():
    yield (
        ["The", "brown", "fox", "jumps"],
        ["The", "brown", "fox", "jumps", "over", "the", "lazy", "dog"],
    )


def input_fn():
    dataset = tf.data.Dataset.from_generator(
        generator_fn_ragged,
        output_shapes=shapes,
        output_types=tf.string,
    )
    dataset = dataset.padded_batch(2, shapes, defaults)

    def _ragged(*features):
        return [tf.RaggedTensor.from_tensor(x, padding="<pad>") for x in features]

    dataset = dataset.map(_ragged)

    def _unragged(*features):
        return [x.to_tensor(default_value="<pad>") for x in features]

    dataset = dataset.map(_unragged)

    return dataset

dataset = input_fn()
for el in dataset:
    print(el)
    break

---

你确定这里必须使用不规则的张量吗？你到底想实现什么？你确定你必须在这里使用参差不齐的张量吗？你到底想达到什么目的？

(<tf.Tensor 'IteratorGetNext_7608:0' shape=<unknown> dtype=string>,)

Tensor("IteratorGetNext_4:0", shape=(?, ?), dtype=string)