【speech&nlp】如何实现总体数据按照长短排序，同样长度数据随机排序

在做speech、nlp任务时，经常有这样一个需求：假设有一个数据集，有1000条数据，但是只有100种长度，所以必然存在某些数据是一样长的。我们想要让总体按照长短排序，但是同样长的数据要随机排序。经过了这个操作，再分batch，这样的效果就是同一个batch的数据长度差不多，对各种norm操作很友好，也节约显存；在每个epoch前进行这个操作可以实现不同epoch内数据的随机。

发现了一段精美的代码，如下：

def ordered_indices(self):
        """Return an ordered list of indices. Batches will be constructed based
        on this order."""

        if self.shuffle:
            order = [np.random.permutation(len(self))]
            order.append(
                np.minimum(
                    np.array(self.sizes),
                    self.max_sample_size,
                )
            )
            return np.lexsort(order)[::-1]
        else:
            return np.arange(len(self))