我想设计一个卷积神经网络，它的输入和输出都是一个12×60的布尔矩阵，并且奖励与输出近似地与输出近似成正比（以非线性方式）。输入和一行中有多少输出列是等效的，并且与每列中有多少个非零以及有多少个不同的列成反比。我要使用的特定损失函数很复杂且需要手工定制，但这是我正在考虑的四个要素。
我了解如何计算每列中的列数，不同列的数目以及给定输出列与给定输入列的匹配程度。我遇到的问题是：我想对输出矩阵进行分区，以使连续的相等列配对在一起-例如，如果为了简单起见将其设为一维，则输出为[0 0 0 1 1 0 1 0] ，我想将其分区为[[0 0 0] [1 1] [0] [1] [0]]。然后，我想计算和汇总每个索引的开始索引 i 和结束索引 j 的各个分数，这取决于它们对输入列的近似程度i 到输入矩阵的 j 以及其长度（ j-i ）。
有没有办法在pytorch中做到这一点？