我拥有一维振动信号，请使用pytorch写一个用于双并行卷积神经网络的标准数据集

由于一维振动信号是时间序列数据，我们可以使用PyTorch的Dataset和DataLoader来构建一个标准数据集。以下是一个简单的代码示例：

import torch
from torch.utils.data import Dataset, DataLoader

class VibrationDataset(Dataset):
    def __init__(self, data, targets):
        self.data = data
        self.targets = targets

    def __len__(self):
        return len(self.targets)

    def __getitem__(self, idx):
        return self.data[idx], self.targets[idx]

# 生成一维振动信号数据集
data = torch.randn(1000, 1, 100)  # 1000条数据，1个通道，每个通道长度为100
targets = torch.randint(0, 2, (1000,))  # 随机生成1000个0或1作为标签

# 创建数据集实例
vibration_dataset = VibrationDataset(data, targets)

# 创建DataLoader实例
dataloader = DataLoader(vibration_dataset, batch_size=32, shuffle=True, num_workers=4)

上面的代码中，我们定义了一个VibrationDataset类来包含振动信号数据和标签。然后我们生成一维振动信号数据和对应的标签，实例化一个VibrationDataset，并使用DataLoader来实现数据的批处理和并行加载。