是的，那是可能的。只需自己创建对象，例如
import torch.utils.data as data_utilstrain = data_utils.TensorDataset(features, targets)train_loader = data_utils.DataLoader(train, batch_size=50, shuffle=True)
其中，
features和
targets是张量。
features必须为2D，即矩阵，其中每行代表一个训练样本，并且
targets可以为1D或2D，具体取决于您要预测标量还是矢量。
希望有帮助！
编辑 ：对@sarthak的问题的答复
基本上是。如果您创建了类型的对象
TensorData，则构造函数将调查特征张量（实际上称为
data_tensor）和目标张量（称为
target_tensor）的第一个维度是否具有相同的长度：
assert data_tensor.size(0) == target_tensor.size(0)
但是，如果您希望随后将这些数据馈入神经网络，则需要小心。虽然卷积层可以像您一样处理数据，但是（我认为）所有其他类型的层都希望数据以矩阵形式给出。因此，如果遇到这样的问题，那么一个简单的解决方案就是使用方法将4D数据集（例如，以某种张量给定
FloatTensor）转换为矩阵
view。对于您的5000xnxnx3数据集，它看起来像这样：
2d_dataset = 4d_dataset.view(5000, -1)
（该值
-1告诉PyTorch自动找出第二维的长度。）
