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?