如何将最后维度长度不一的Tensor填充至指定固定长度？

你遇到的问题核心是批量处理最后维度长度不一致的张量，tf.pad()本身无法直接处理这种场景（它需要统一的padding参数），但可以通过以下两种思路解决：

方法一：利用RaggedTensor内置方法（最简便高效） #

TensorFlow的RaggedTensor专门用于存储维度长度可变的张量，其to_tensor()方法可以直接将所有子张量填充到指定的固定长度：

import tensorflow as tf

# 构造输入RaggedTensor
ragged_tensor = tf.ragged.constant([[1], [1, 2], [1, 2, 3]])
# 填充至最后维度长度为4，填充值设为0
padded_tensor = ragged_tensor.to_tensor(shape=(None, 4), padding_value=0)

print(padded_tensor.numpy())

输出结果：

[[1 0 0 0]
 [1 2 0 0]
 [1 2 3 0]]

方法二：手动计算padding长度，结合tf.pad()逐个处理 #

如果输入是独立的子张量列表，可以通过列表推导逐个计算填充长度并应用tf.pad()：

import tensorflow as tf

# 输入为子张量组成的列表
tensor_list = [tf.constant([1]), tf.constant([1, 2]), tf.constant([1, 2, 3])]
target_length = 4

def pad_single_tensor(sub_tensor):
    current_len = tf.shape(sub_tensor)[0]
    pad_len = target_length - current_len
    # 仅在最后维度的末尾填充指定数量的0
    padding_config = tf.constant([[0, pad_len]])
    return tf.pad(sub_tensor, padding_config, constant_values=0)

# 逐个填充后合并为完整张量
padded_tensor = tf.stack([pad_single_tensor(t) for t in tensor_list])

print(padded_tensor.numpy())

此方法的核心是为每个子张量单独计算需要填充的长度，避开tf.pad()对统一padding参数的要求。

内容的提问来源于stack exchange，提问作者Francis