序列式資料集
做得好，你已經完成 create_sequences() 函式！現在該用它來為模型建立訓練資料集了。
就像表格資料與影像資料一樣，將序列資料透過 torch 的 Dataset 與 DataLoader 傳給模型最方便。要建立序列式 Dataset，你會先呼叫 create_sequences() 取得輸入與目標的 NumPy 陣列，並檢視它們的形狀。接著，將它們傳入 TensorDataset 以建立正規的 torch Dataset，並檢視其長度。
你實作的 create_sequences()，以及包含訓練資料、名為 train_data 的 DataFrame，都已提供。
本練習屬於課程
Intermediate Deep Learning with PyTorch
練習說明
- 呼叫
create_sequences()，將訓練用的 DataFrame 與序列長度24*4傳入，並把結果指定給X_train, y_train。 - 定義
dataset_train：呼叫TensorDataset，並傳入兩個引數——由create_sequences()產生的輸入與目標——兩者都需先從 NumPy 陣列轉為浮點 tensor。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
import torch
from torch.utils.data import TensorDataset
# Use create_sequences to create inputs and targets
X_train, y_train = ____
print(X_train.shape, y_train.shape)
# Create TensorDataset
dataset_train = ____(
____,
____,
)
print(len(dataset_train))