Python Tensorflow-使用并行交叉从多个TFU记录读取不同的块长度？

我试图读取三个不同长度的大TF记录，并以如下方式并行读取它们：

files = [ filename1, filename2, filename3 ]

data = tf.data.TFRecordDataset(files)

data = data.apply(
    tf.contrib.data.parallel_interleave(
        lambda filename: tf.data.TFRecordDataset(data),
        cycle_length=3,block_length = [10,5,3]))

data = data.shuffle(
    buffer_size = 100)

data = data.apply(
    tf.contrib.data.map_and_batch(
        map_func=parse, 
        batch_size=100))

data = data.prefetch(10)

，但TensorFlow不允许每个文件源具有不同的块长度：

InvalidArgumentError: block_length must be a scalar

我可以用不同的小批量创建三个不同的数据集，但这需要3倍的资源，而这不是我的机器限制所提供的选项

---

可能的解决方案是什么？

答案就在这里，我找到了如何在自己的限制下做到这一点

为每个文件创建数据集，为每个文件定义每个小批量大小，并将get_next（）输出连接在一起。这适合我的机器，运行效率高