在 Tensorflow 中组合多个时间序列的滑动窗口

问：

我有许多（O（100万））时间序列，每个时间序列大约有 30 个时间步长。时间步长的数量因样本而异。我想在每个时间序列上使用滑动窗口来生成训练样本。目标是立即处理每个窗口的时间步长。将每个滑动窗口的结果存储到一个新数组中会浪费内存，因此我想使用 Tensorflow.Dataset 管道。

例如，我们可以生成 100 个样本，每个样本有 15 个时间步长和 3 个特征。data = np.ones(100,15,3)

def window_data(data):
    window_size = 3
    n_features = 3
    tmp_in = None
    tmp_out = None
    
    for i in range(data.shape[0]-window_size):
        a = data[np.newaxis,i:i+3]
        if tmp_in is None:
            tmp_in = a
            tmp_out = data[i+window_size]
        else:
            tmp_in = np.append(tmp_in,a,axis=0)
            tmp_out = np.append(tmp_out, data[i+window_size])
            
    return tmp_in, tmp_out.reshape(tmp_out.shape[0]//n_features, n_features)

dataset = tf.data.Dataset.from_tensor_slices(data)
dataset = dataset.map(lambda i: tf.py_function(func=window_data, 
                                               inp=[i], 
                                               Tout=[tf.float32,
                                                     tf.float32]
                                               ), 
                      num_parallel_calls=tf.data.AUTOTUNE)

但是，这会导致每个元素都具有形状的数据集，而我需要一个数据集，其中每个元素都是大小窗口(sample_size - window_size, window_size, n_features)(window_size, n_features)

是否可以在多个时间序列数据集上执行滑动窗口，并将结果有效地组合到 tensorflow 数据集中？