TensorFlow中常用的数据处理方法包括：
数据加载：通过tf.data模块加载数据，支持从numpy数组、文本文件、CSV文件、TFRecord文件等形式加载数据。
数据预处理：对数据进行预处理，包括标准化、归一化、缩放、填充、裁剪等操作。
数据增强：对数据进行增强，包括随机裁剪、翻转、旋转、平移、缩放、加噪声等操作，以增加数据的多样性和鲁棒性。
数据切分：将数据集切分为训练集、验证集和测试集，以便模型训练和评估。
数据批处理：对数据进行批处理，即每次输入模型的数据为一个批次，通过调整批大小可以提高训练效率和模型性能。
数据加载优化：通过prefetch、cache、shuffle等方法对数据加载进行优化，提高训练速度和效率。
数据转换：对数据进行转换操作，如转换成张量、转换成独热编码、转换成词嵌入向量等，以便输入到模型中进行训练。