上边输入数据样本数、序列长度是一个值

非常抱歉，我理解错了您的问题。在TCN中，batch size中的数据取样可以是连续的时间步，也可以是随机的时间步，具体取决于您的应用场景和需求。

如果您的应用场景中，时间序列的顺序是重要的，例如在自然语言处理中，单词的顺序对于理解句子的意义非常重要，此时可以将batch size中的数据取样设置为连续的时间步，以保留时间序列的顺序信息。这样做的缺点是，如果您的数据中有较长的时间序列，会导致内存不足的问题，因为需要一次性将整个时间序列加载到内存中。

如果您的应用场景中，时间序列的顺序不是非常重要，例如在股票价格预测中，股票价格的波动与时间的先后关系不是非常相关，此时可以将batch size中的数据取样设置为随机的时间步，以减少内存占用和提高模型的训练效率。这样做的缺点是，可能会丢失时间序列的顺序信息，导致模型无法学习到时间序列的长期依赖关系。

在实际应用中，可以根据您的应用场景和需求，灵活地选择batch size中的数据取样方式，以达到最优的效果。