TensorDataset

        可以用来对 tensor 进行打包，就好像 python 中的 zip 功能。

        是 PyTorch 提供的一个用于将张量（tensor）组合成数据集的工具类。它的作用是将多个张量作为输入，构建一个能够以样本对的形式提供数据的数据集。

        通常情况下，我们会使用 TensorDataset 将输入数据（如特征张量）和标签数据（如目标张量）组合成一个数据集。然后，我们可以将这个数据集传递给 PyTorch 的数据加载器（如 DataLoader）用于训练模型。

        使用 TensorDataset 的好处之一是它可以方便地与 PyTorch 的数据加载器一起使用，从而可以利用 PyTorch 提供的各种功能来对数据进行批处理、随机化、并行加载等操作。

        例如：

data_set = TensorDataset(
        torch.tensor(user, dtype=torch.int64),
        torch.tensor(item, dtype=torch.int64),
        knowledge_emb,
        torch.tensor(score, dtype=torch.float32)
    )

        当你想要调用其中的一部分数据时，可通过索引来访问 data_set 中的每个样本，然后使用类似列表索引的方式来获取对应的数据。

例如，如果你想获取data_set中第一个样本的用户、题目和得分，可以这样做：

sample = data_set[0] 
user = sample[0] 
item = sample[1] 
knowledge_emb = sample[2] 
score = sample[3]

        这里的 user、item、knowledge_emb 和 score 分别表示第一个样本的用户、题目、知识点编码和得分。data_set[0]中存储了user/item/knowledge_emb/score的首位。