NestedTensor 在 PyTorch 中尚未作为稳定公开 API 提供，仅存在于内部实验模块或 nightly build 中，无法通过 pip 安装或直接 import 使用；官方因设计复杂性与兼容性问题已放弃将其合入主线稳定版本。
NestedTensor 在 PyTorch 中**尚未作为稳定公开 API 提供**——它目前仅存在于 PyTorch 的内部实验模块（如 torch._nested）或特定版本的 nightly build 中，**不能直接 pip install 或 import 使用**。官方文档未将其列为正式支持功能，多数生产环境和稳定版 PyTorch（包括 2.0–2.3）都不包含可用的 NestedTensor 类。
如果你看到示例代码里写了 torch.nested.nested_tensor，那基本来自已废弃的 prototype（2022 年前后）或自定义 patch，不是开箱即用的能力。
为什么你 import 不到 NestedTensor？
PyTorch 曾在 2022 年通过 RFC 推出 NestedTensor 原型，但后续因设计复杂性、与现有 autograd 和分布式逻辑兼容困难，**官方决定不将其合入主线 stable 版本**。当前（2024 年中）唯一接近的替代是：
-
torch.nn.utils.rnn.pad_sequence+PackedSequence（用于 RNN 场景） -
torch.masked_fill或 attention mask 配合torch.nn.MultiheadAttention - 第三方库如
torchaudio内部用的_NestedTensor（私有、不可依赖）
实际处理变长序列的推荐做法
别等 NestedTensor，用成熟组合替代：
- 对 batch 内不同长度序列，统一用
pad_sequence补零，再生成attention_mask（布尔张量），传给 Transformer 模型的attn_mask参数 - RNN 类模型优先用
pack_padded_sequence→RNN/LSTM→pad_packed_sequence流程，避免 padding 参与计算 - 若需真正“跳过 padding”，可手动用
torch.where+mask索引做 gather/scatter，但注意梯度路径是否完整 - 使用 Hugging Face
transformers时，直接传attention_mask即可，底层自动屏蔽 padding token
运行时遇到 AttributeError: module 'torch' has no attribute 'nested' 怎么办？
这是最常碰到的错误，说明你正在尝试调用不存在的接口。请确认：
立即学习“Python免费学习笔记（深入）”；
- 没误装了非官方 fork 或 patch 版本的 PyTorch（比如某些论文复现仓库私自 patch 的 wheel）
- 没把旧版 prototype 示例代码直接复制到新环境（那些代码依赖已删的
torch._C._nestedC++ 扩展） - 没混淆
torch.compile或torch.export中的实验性 nested input 支持（那是编译器层面的输入表示，不是用户可构造的 tensor 类型）
真正想高效处理变长序列，关键不是找一个叫 NestedTensor 的类，而是根据模型类型选对 padding/masking/packing 组合——这些方法稳定、文档全、GPU 加速无坑。硬上不存在的 API，只会卡在 import 那一行。
