torch.tensordataset(*)

`torch.utils.data.TensorDataset` 是 PyTorch 中的一个类，用于将一组张量（tensors）构造成一个数据集（dataset）。每个张量代表数据集中的一个特征，例如，一个张量可能代表图像数据，另一个张量可能代表对应的标签。当你要训练一个模型时，通常需要在数据集上进行迭代，提取批次数据进行前向传播、计算损失和进行反向传播操作。

`TensorDataset` 使得可以通过索引访问每个样本，并且可以很容易地与 `DataLoader` 配合使用，后者可以创建数据迭代器，从而允许你批量加载数据、打乱数据和多线程加载数据。

创建 `TensorDataset` 的时候，你需要提供至少一个张量，如果有多个张量，它们的最内层维度必须是相同的，这样每列张量才能对应到数据集中的一个样本。

以下是创建 `TensorDataset` 的一个简单示例：

import torch

# 假设我们有两个张量，一个用于特征，一个用于标签
# 这里是随机生成的数据
data = torch.randn(100, 5)  # 100个样本，每个样本有5个特征
labels = torch.randint(0, 2, (100,))  # 100个样本的标签

# 使用这两个张量创建TensorDataset
from torch.utils.data import TensorDataset
dataset = TensorDataset(data, labels)

# 现在你可以使用数据加载器来遍历数据集了
from torch.utils.data import DataLoader
loader = DataLoader(dataset, batch_size=10, shuffle=True)

for batch_data, batch_labels in loader:
    # 在这里处理每个批次的数据和标签
    pass