Python 动态规划w/PyTorch：最长公共子序列

我现在想知道我们如何有效地解决LCS问题。 通过比较和移位，我找到了一种通过张量运算找到连续匹配（即ngrams匹配）的方法。 对于两个序列

x（len:n）

，

y（len:m）

，矩阵：

e=x.eq（y.unsqueze（1））#[n x m]

我们有：

e[i，j]==1 x[i]==y[j]

，n-gram匹配将显示为1的对角线。 因此，我们可以做到以下几点：

#匹配_1={0，1}的[n x m]
匹配_1=x.eq（y.unsqueze（1））
#{0，1}的匹配_2=[（n-1）x（m-1）]矩阵
match_2=match_1[：-1，：-1]*match_1[1:，1:]
#etcetc

由于我们允许存在间隙，LCS问题更加复杂。它可以用动态编程来实现，用O（nxm）表示，但它并不是真的可以移植到Pytorch上，对吗？ 我试过了，太慢了

#考虑两个“句子”（单词索引的长传感器）
#长度分别为n和m的ts和tr
表=火炬零点（n+1，m+1）
_ts，_tr=ts，tr
对于范围（1，n+1）内的i：
对于范围（1，m+1）内的j：
如果[i-1]==tr[j-1]：
_表[i，j]=_表[i-1，j-1]+1
其他：
_表[i，j]=最大值（_表[i-1，j]，_表[i，j-1]）
lcs=_表[n][m]

有没有提高效率的办法