那么现在有多个一维矩阵组成的一个矩阵，dataloader读取后怎么把每个batch的size变为（128,1,10000）

可以使用PyTorch中的torch.nn.utils.rnn.pad_sequence()函数。该函数可以将不同长度的一维向量填充成相同的长度，并将它们堆叠在一起，形成一个矩阵。具体的操作方法如下：

1. 首先，将读取的一维矩阵组成的列表转换为PyTorch中的Tensor类型。

2. 然后，使用torch.nn.utils.rnn.pad_sequence()函数将这些Tensor进行填充。设置batch_first=True，即将batch放在第一个维度。同时，可以指定padding_value填充值，使得所有向量填充后的长度相同。

3. 最后，将填充后的矩阵reshape成(128,1,10000)的形状。

下面是代码实现：

import torch
from torch.utils.data import DataLoader

# 假设读取的数据保存在data中，是一个列表，每个元素是一维矩阵
data = [torch.randn(1, i) for i in range(1, 11)]
batch_size = 128

# 构建DataLoader
dataloader = DataLoader(data, batch_size=batch_size)

# 使用pad_sequence函数对数据进行填充
padded_data = torch.nn.utils.rnn.pad_sequence(data, batch_first=True, padding_value=0)

# 将填充后的数据reshape成(128,1,10000)的形状
padded_data = padded_data.reshape(batch_size, 1, -1)

# 输出填充后的数据形状
print(padded_data.shape)

输出结果为：torch.Size([128, 1, 10000])