我有各种长度的文本数据，参差不齐的张量似乎很适合。例如，我的数据可能如下所示：

x = tf.ragged.constant([[1,2,3,4,5,6,7], [5,6,1,2]])

我想将这个参差不齐的张量提供给由一些卷积滤波器组成的模型，假设至少一个滤波器如下：

model = Sequential([Embedding(alphabet_size, embedding_dim),
                    Conv1D(filters=10, kernel_size=10),
                    GlobalMaxPooling1D()])

我尝试使用，tf.ragged.map_flat_values但是我不确定它是否符合我的要求，即：嵌入批处理的每个文本行，对其进行卷积，然后在每个文本行上取最大值。

有没有一种解决方法可以让这个模型在（非常）可变长度的文本上工作（当然除了使用 3d 张量批次）？