以下两种方式有什么不一样，以及优劣？
总结一下就是并存三个迭代器对象，而不像之前只有一个，通过重新初始化便可多次复用；当前的情况就是，另外两个借助一个迭代器到达next_element; 像汇流一样。
可馈送迭代器可以与 tf.placeholder 一起使用，以选择所使用的 Iterator（在每次调用 tf.Session.run 时）（通过熟悉的 feed_dict 机制）。它提供的功能与可重新初始化迭代器的相同，但在迭代器之间切换时不需要从数据集的开头初始化迭代器。例如，以上面的同一训练和验证数据集为例，您可以使用 tf.data.Iterator.from_string_handle 定义一个可让您在两个数据集之间切换的可馈送迭代器：
每个条样本长度不一，分批的时候会出问题，批次内长度要求一致，怎么办，patch 0
tensorflow 中 Python语言中函数使用要使用tf.py_func包装！！否则函数只在定义的时候运行一次，并取得值，不会按想的那样发挥作用，能不用就尽量不用吧，麻烦事多还影响效率。
TensorFlow中做动态操作很蛋疼，比如形状由运行时的结果确定，有点难做到，因为不是所有的事情都是在运行前就可以知道的，也取决于运行时的内容情况！