序列数据集
很好，您已经构建好了 create_sequences() 函数！现在用它为模型创建训练数据集。
与表格数据和图像数据类似，顺序数据也最好通过 torch 的 Dataset 和 DataLoader 传递给模型。要构建一个序列 Dataset，您将调用 create_sequences() 获取包含输入和目标的 NumPy 数组，并查看它们的形状。接着，将它们传入 TensorDataset，创建一个正式的 torch Dataset，并查看其长度。
您实现的 create_sequences() 以及包含训练数据的 DataFrame train_data 已提供。
本练习是课程的一部分
PyTorch 深度学习进阶
练习说明
- 调用
create_sequences()，传入训练用的 DataFrame 和序列长度24*4，并将结果赋给X_train, y_train。 - 调用
TensorDataset定义dataset_train，传入两个参数：由create_sequences()生成的输入和目标，二者都需从 NumPy 数组转换为浮点类型的张量。
交互式实操练习
通过完成这段示例代码来试试这个练习。
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))