pytorch训练时报传入的数据为元组（tuple）类型，无法to.device

pytorch训练时报传入的数据为元组类型，无法to.device，以及报ValueError: too many values to unpack (expected 2)–这个就是得看dataset。
首先，可以先debug一下，查看导入的数据和标签是什么类型，然后再查看它的大小，是不是与你网络所匹配，如果是输入维度不匹配，可以在制作dataset时添加或者减小维度。

        Seis = Seis.permute(0, 1, 2)  #4个输入排好序
        Seis = Seis.unsqueeze(dim=0)  #压缩维度，去掉第一个

其次，检查dataset（调用Dataset类并实例化，且作为输入网络的数据）所传入的第一个元素，也就是我的Seis，是什么类型，且shape为多大，同理可知Vmodel（标签），如果大小和类型不是输入网络所要求的，可能它会是DataFrame=4000这种，那么肯定会保错，因为网络需要的只能是tensor。

解决方法：那么就要再对dataset进行拆分，然后重新构建Seis和Vmodel。下面我把新的数据存在了Seis_all和Vmodel_all中（它们存储了整个dataset的数据，查看shape会发现第一个为data_size，那么就正确了），之后就是将新的数据传入网络就可以了。

    # 读取样本数据及标签
    Seis_all=[]
    Vmodel_all=[]
    for j in range(len(dataset)):

        Seis=dataset[j][0]
        Seis = Seis.numpy()  # 再把tensor转为numpy
        Seis_all.append(Seis)

        Vmodel = dataset[j][1]
        Vmodel = Vmodel.numpy()
        Vmodel_all.append(Vmodel)
    Seis_all = torch.tensor(np.array(Seis_all), dtype=torch.float32)
    Vmodel_all = torch.tensor(np.array(Vmodel_all), dtype=torch.float32)