Deep learning PyTorch中的列车时间序列

我希望训练一个RNN模型，这样我可以预测时间序列模型中的T步。到目前为止，我看到的大多数例子都是围绕文本展开的

我的玩具示例是预测3个正弦波，如下所示：

x=torch.arange（0,30,0.05）
y=[torch.sin（x），torch.sin（x-np.pi），torch.sin（x-np.pi/2）]
y=火炬堆（y）
y=y.t（）

y的形状为

600,3

。然而，为了让LSTM接受它，输入需要是形状

（顺序、批次、输入大小）

。我想知道pytorch中是否有一个函数可以将它们转换为所需的格式。假设在我的例子中，我想要

seq_len=50

和

batch_size=32

这段代码是我找到的唯一一段代码

#将值数组转换为数据集矩阵
def create_数据集（数据集，回望=1）：
dataX，dataY=[]，[]
对于范围内的i（len（数据集）-向后看-1）：
a=数据集[i:（i+回顾），0]
dataX.append（a）
追加（数据集[i+回望，0]）
返回numpy.array（dataX），numpy.array（dataY）

pytorch中的

pad_packed_sequence

或任何类似程序是否本机执行此操作

如果有人感兴趣，这是我的LSTM模型：

类LSTM（nn.模块）：
def uuu init uuuu（self，n_特征，h，num_层=2）：
super（）。\uuuu init\uuuuu（）
self.lstm=nn.lstm（n个要素、h、num个图层）
自线性=nn线性（h，n_特征）
def前进（自身，输入，h=无）：
lstm_out，self.hidden=self.lstm（输入，h）
返回自线性（lstm_out）

[可选问题]对于我最终得到的任何解决方案，是否有办法确保我能够进行有状态的培训