在pytorch种创建一个5种类别的一维时间序列数据，该数据集个数为800，单个序列长度为1000，通道数为4。要求该数据可用于训练一维卷积神经网络

可以使用以下代码创建一个5种类别的一维时间序列数据集，该数据集个数为800，单个序列长度为1000，通道数为4，可用于训练一维卷积神经网络：

import torch
from torch.utils.data import Dataset

class TimeSeriesDataset(Dataset):
    def __init__(self, num_samples=800, seq_len=1000, num_channels=4):
        self.num_samples = num_samples
        self.seq_len = seq_len
        self.num_channels = num_channels
        self.data = torch.randn(num_samples, num_channels, seq_len)
        self.labels = torch.randint(low=0, high=5, size=(num_samples,))

    def __len__(self):
        return self.num_samples

    def __getitem__(self, idx):
        return self.data[idx], self.labels[idx]

其中，`num_samples` 表示数据集个数，`seq_len` 表示单个序列长度，`num_channels` 表示通道数。`self.data` 是一个大小为 `(num_samples, num_channels, seq_len)` 的张量，表示数据集中的所有序列。`self.labels` 是一个大小为 `(num_samples,)` 的张量，表示每个序列的标签。在 `__getitem__` 方法中，返回一个元组，包含序列数据和标签。