双输入数据集
构建多输入模型，首先要编写一个自定义数据集，能够为模型提供所有输入。在本练习中，您将构建 Omniglot 数据集，它会提供由以下三部分组成的三元组：
- 待分类的字符图像，
- 长度为 30 的 one-hot 编码字母表向量，除表示该字符所属字母表 ID 的单个 1 外，其余位置均为 0，
- 目标标签，一个介于 0 和 963 之间的整数。
您已获得 samples，它是由 3 元组组成的列表，包含图像文件路径、对应的字母表向量以及目标标签。此外，下面这些导入也已为您完成，开始动手吧！
from PIL import Image
from torch.utils.data import DataLoader, Dataset
from torchvision import transforms
本练习是课程的一部分
PyTorch 深度学习进阶
交互式实操练习
通过完成这段示例代码来试试这个练习。
class OmniglotDataset(Dataset):
def __init__(self, transform, samples):
# Assign transform and samples to class attributes
____ = ____
____ = ____