在深度学习中，处理文本数据时常常需要将序列（如句子中的单词索引）统一长度，这时 `pad_sequences` 就派上了用场！它可以帮助我们将不同长度的序列填充或截断到相同长度，从而方便模型输入。👀

例如，假设我们有以下两个句子的单词索引列表：

`[[1, 2, 3], [4, 5]]`

默认情况下，`pad_sequences` 会将它们都填充到最长序列的长度（即3），并默认在前面补零：

`[[0, 1, 2, 3], [0, 0, 4, 5]]`

你可以通过参数调整填充方式，比如选择在后面补零，或者自定义填充值：

```python

from tensorflow.keras.preprocessing.sequence import pad_sequences

sequences = [[1, 2, 3], [4, 5]]

padded = pad_sequences(sequences, padding='post', truncating='post', maxlen=4, value=-1)

print(padded) 输出: [[-1, 1, 2, 3], [4, 5, -1, -1]]

```

简单又实用！✨无论是自然语言处理还是时间序列任务，`pad_sequences` 都是必备工具之一。快试试吧！🚀