Data.TensorDataset(features,labels)

`torch.utils.data.TensorDataset` 是 PyTorch 中的一个数据集类，它用于将特征张量和标签张量打包成一个数据集。它接受两个参数：

- `features`：特征张量，即输入数据的特征部分，可以是一个或多个张量。
- `labels`：标签张量，即输入数据的标签部分，可以是一个或多个张量。

使用 `torch.utils.data.TensorDataset` 可以将特征和标签打包成一个数据集，然后使用数据加载器（如 `DataLoader`）对数据进行批处理和加载。

下面是一个使用 `torch.utils.data.TensorDataset` 的例子：

import torch
from torch.utils.data import TensorDataset

# 创建特征张量和标签张量
features = torch.tensor([[1.0, 2.0, 3.0], [4.0, 5.0, 6.0], [7.0, 8.0, 9.0]])
labels = torch.tensor([1, 2, 3])

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

# 使用数据加载器对数据进行批处理和加载
dataloader = DataLoader(dataset, batch_size=2)

# 遍历数据加载器
for inputs, targets in dataloader:
    print(inputs, targets)

在这个例子中，我们首先创建了一个特征张量和一个标签张量，然后使用 `TensorDataset` 将它们打包成一个数据集。接下来，我们使用 `DataLoader` 对数据进行批处理和加载，然后遍历数据加载器以获取每个批次的输入和标签。