data.TensorDataset()

`TensorDataset`是PyTorch库中的一个基础数据集类，它用于存储和管理一组张量（Tensor）对，通常这些张量对应于模型的输入和目标变量。以下是它的主要用途和操作示例[^1]:

1. **创建数据集**:

   import torch
   from torch.utils.data import TensorDataset

   # 假设我们有输入特征features和对应的标签labels
   features = torch.tensor([[1.0, 2.0], [3.0, 4.0], [5.0, 6.0]])
   labels = torch.tensor([0, 1, 0])

   # 使用TensorDataset创建数据集
   dataset = TensorDataset(features, labels)

2. **访问样本**:
数据集可以通过索引来访问其中的单个样本，每个样本都是一个包含输入和标签的元组。例如，第一个样本：

   sample = dataset[0]
   print("First sample:", sample)

3. **遍历数据集**:
当用于训练时，可以使用`DataLoader`来按批次加载数据并迭代整个数据集：

   from torch.utils.data import DataLoader
   dataloader = DataLoader(dataset, batch_size=2)  # 假设batch_size为2
   for inputs, targets in dataloader:
       # inputs: (batch_size, feature_shape)
       # targets: (batch_size,)