pytorch如何将多个矩阵保存为一个数据集

在PyTorch中，如果你想把多个矩阵组合成一个数据集，通常会先创建一个包含这些矩阵的数据结构，比如列表、字典或者是自定义的数据结构，然后将其转化为PyTorch的张量或者是DataLoader对象。这里是一个简单的例子：

1. **使用列表**：

import torch

# 假设我们有三个矩阵
matrix1 = torch.rand(10, 10)
matrix2 = torch.rand(10, 10)
matrix3 = torch.rand(10, 10)

# 将它们组成一个列表
dataset = [matrix1, matrix2, matrix3]

# 然后你可以直接用这个列表作为输入，例如在训练循环中：
for i in range(len(dataset)):
    data = dataset[i]  # 提取并处理每个矩阵
    # 进行模型训练或其他操作

2. **使用TensorDataset**：
如果你想要将矩阵转换为PyTorch的`TensorDataset`，可以这样做：

from torch.utils.data import TensorDataset

# 将矩阵转换为张量
tensors = [torch.tensor(matrix) for matrix in [matrix1, matrix2, matrix3]]
dataset = TensorDataset(*tensors)  # * unpacks the list

# 使用DataLoader加载数据
data_loader = torch.utils.data.DataLoader(dataset, batch_size=64)

现在，`data_loader`就可以用于迭代，每次迭代返回的是一个批次的矩阵。