在tensorflow中，如何迭代存储在张量中的输入序列？

import tensorflow as tf

# 假设输入序列存储在一个张量input_tensor中，形状为[batch_size, sequence_length, input_dim]
input_tensor = ...

# 创建一个数据集
dataset = tf.data.Dataset.from_tensor_slices(input_tensor)

# 批处理数据集，每个批次包含batch_size个元素
dataset = dataset.batch(batch_size)

# 随机打乱数据集
dataset = dataset.shuffle(buffer_size)

# 重复数据集，可以指定重复的次数，或者使用tf.data.Dataset.repeat()方法无限重复
dataset = dataset.repeat(num_epochs)

# 创建一个一次性迭代器
iterator = dataset.make_one_shot_iterator()

# 获取下一个批次的数据
next_batch = iterator.get_next()

# 在会话中运行获取数据的操作
with tf.Session() as sess:
    while True:
        try:
            batch_data = sess.run(next_batch)
            # 在这里进行模型训练或其他操作
        except tf.errors.OutOfRangeError:
            # 数据集迭代完毕
            break