tf.keras.utils.pad_sequences（）

作用：

使长度标准化

此函数将序列（lists of integers）的列表（of length num_samples）转换为形状为（num_samples，num_timesteps）的 2D Numpy 数组。 num_timesteps是 maxlen 参数（如果提供），或者是列表中最长序列的长度。

短于 num_timesteps 的序列用值填充，直到它们长 num_timesteps。

长于 num_timesteps 的序列将被截断，以使其符合所需的长度。

发生填充或截断的位置分别由参数填充和截断决定。 从序列的开头预填充或删除值是默认设置。

参数

tf.keras.utils.pad_sequences(
    sequences,                      # 序列长度
    maxlen=None,                    # 可选 Int，所有序列的最大长度。 如果未提供，序列将被填充到最长的单个序列的长度。
    dtype='int32',                  # 可选，默认为“int32”。 输出序列的类型。 要使用可变长度字符串填充序列，可以使用 object.
    padding='pre',                  # 字符串，“pre”或“post”（可选，默认为“pre”）：在每个序列之前或之后填充。
    truncating='pre',               # 字符串，“pre”或“post”（可选，默认为“pre”）：从大于 maxlen 的序列中删除值，无论是在序列的开头还是结尾。
    value=0.0                       # 浮点数或字符串，填充值。 （可选，默认为 0。）
)

返回值

Numpy array with shape (len(sequences), maxlen)

例子

import tensorflow as tf                   # 导入tensorflow
sequence = [[1], [2, 3], [4, 5, 6]]       # 输入序列
tf.keras.preprocessing.sequence.pad_sequences(sequence)      # 长度标准化

array([[0, 0, 1],
       [0, 2, 3],
      [4, 5, 6]])

import tensorflow as tf    # 导入tensorflow
sequence = [[1], [2, 3], [4, 5, 6]]    # 输入序列
tf.keras.preprocessing.sequence.pad_sequences(sequence, padding='post')   # 长度标准化

array([[1, 0, 0],
       [2, 3, 0],
       [4, 5, 6]])

 主要参考：tf.keras.utils.pad_sequences  |  TensorFlow Core v2.9.1 (google.cn)