window，step和axis
参数的广义函数，然后返回
as_strided视图以超过任意维度。 我会在下面给出答案，但是如果有人可以做出更有效的方法，我很感兴趣，因为我不确定使用
np.squeeze()是最好的方法，我不确定我的
assert语句是否会使功能安全足以写入最终的视图，我不确定如何处理不在上升顺序的边缘情况。
勤奋
我能找到的最广泛的功能是@eickenberg（以及显然是等效的）撰写的，但这些功能在网上的记录不佳，并且无法在更少的窗口上进行窗口轴比原始数组中的轴（例如，这个问题要求仅在一个轴上有一定尺寸的窗口）。 通常，问题也需要一个只能答案。
@@divakar为1-D输入创建了一个广义的
axis功能Herey，但是高维输入需要更多的护理。 我在3D输入方法上制作了一个裸露的骨头2D窗口，但这不是很可扩展。
Edit2020年1月：更改了从列表到发电机的估计返回以保存内存。Edit2020年10月：将发电机放在单独的功能中，因为混合发电机和
sklearn.feature_extraction.image.extract_patches语句无效。 我到目前为止的食谱是：
skimage.util.view_as_windows
一些测试用例：numpy
在这里我尝试柔韧的瓷砖：
numpy
，例如，它可用于实现nd max-pooling：
使用维度必须是连续的。