假设我在 pytorch 中有一个 2D 张量，特征是列，时间是行，所以 t 时刻的特征是 const signedToken = jwt.sign(payload, privateKey, {
expiresIn: "1h",
algorithm: "RS256",
});
。对于特异性，假设 X 具有维度 [T, F]（T 总时间点，F< /em> 全部功能）。
我想选择长度为 l 的特征序列，每个序列从不同的时间 t 开始（子序列之间可以重叠），并返回结果在维度为 [N, l, F] 的新张量中，其中 N 是采样的序列数.是否有一个漂亮的 pytorch 功能可以帮助做到这一点？我查看了 X[t, :]、gather、view 和其他一些，但似乎没有任何作用。我可以天真地用一个循环和一堆 as_strided 来构建新的张量，但这似乎很慢，而且性能令人担忧。理想情况下，结果只是原始数据的视图，但数据副本也可以。有什么想法吗？