TensorDataset（x1,x2,x3,y）

TensorDataset 是 PyTorch 中的一个数据集类，用于将多个张量按照相同的第一维度（即样本数）进行组合，形成一个数据集。其中 x1、x2、x3 表示三个输入张量，y 表示对应的标签张量。

举个例子，假设我们有三个张量 x1、x2、x3，它们的形状分别为 (100, 10)、(100, 20)、(100, 30)，以及一个标签张量 y，形状为 (100,)，表示有 100 个样本。我们可以使用 TensorDataset 将这四个张量组合成一个数据集：

from torch.utils.data import TensorDataset

dataset = TensorDataset(x1, x2, x3, y)

这样，我们就可以在训练模型时，使用 DataLoader 来批量读取数据集中的样本和标签了。例如：

from torch.utils.data import DataLoader

dataloader = DataLoader(dataset, batch_size=32, shuffle=True)

for batch_x1, batch_x2, batch_x3, batch_y in dataloader:
    # 在这里对每个批次的数据进行操作
    # batch_x1 的形状为 (32, 10)
    # batch_x2 的形状为 (32, 20)
    # batch_x3 的形状为 (32, 30)
    # batch_y 的形状为 (32,)

在这个例子中，我们使用了 DataLoader 来批量读取数据集中的样本和标签，每个批次的大小为 32，且打乱了样本的顺序。在循环中，我们可以对每个批次的数据进行操作，例如将其输入到模型中进行训练或预测。