我遇到了以下问题：
我有一个形状为(total_samples, n_features)的2D numpy数组。将total_samples视为时间序列，即在每个时间步骤记录的特征。我想将这个2D数组重新整形为形状(n_batch, n_samples, n_features)的3D数组，以用作“多对一”长短期记忆（LSTM）神经网络（NN）的输入。我希望能够在批次之间指定n_samples和percentage_overlap作为python函数的输入，该函数根据所需的percentage_overlap和{{1来计算可用2D阵列中可能的批次数或步幅数。 }}
n_samples在数字上，我们假设一个特征和4个样本：
def create_chunks((total_samples, n_features), n_samples, overlap=.5)
return (n_batch, n_samples, n_features)
使用[[1], [2], [3], [4]]
和n_samples=2输出
percentage_overlap=.5