Python 3.x ValueError：使用torch张量时，值太多，无法解压缩

对于一个关于神经网络的项目，我正在使用Pytork，并且正在使用EMNIST数据集

已在数据集中加载的代码：

train_dataset = dsets.MNIST(root='./data', 
                            train=True, 
                            transform=transforms.ToTensor(),
                            download=True)

并准备：

train_loader = torch.utils.data.DataLoader(dataset=train_dataset, 
                                           batch_size=batch_size, 
                                           shuffle=True)

然后，当定义了网络的所有配置时，有一个for循环来训练每个历元的模型：

 for i, (images, labels) in enumerate(train_loader):

在示例代码中，这很好

对于我的任务，我得到一个数据集，我加载如下：

emnist = scipy.io.loadmat("DIRECTORY/emnist-letters.mat")

data = emnist ['dataset']
X_train = data ['train'][0, 0]['images'][0, 0]
y_train = data ['train'][0, 0]['labels'][0, 0]

train_dataset = np.concatenate((X_train, y_train), axis = 1)
train_dataset = torch.from_numpy(train_dataset)

然后，我创建train_数据集，如下所示：

emnist = scipy.io.loadmat("DIRECTORY/emnist-letters.mat")

data = emnist ['dataset']
X_train = data ['train'][0, 0]['images'][0, 0]
y_train = data ['train'][0, 0]['labels'][0, 0]

train_dataset = np.concatenate((X_train, y_train), axis = 1)
train_dataset = torch.from_numpy(train_dataset)

并使用相同的步骤进行准备：

train_loader = torch.utils.data.DataLoader(dataset=train_dataset, 
                                           batch_size=batch_size, 
                                           shuffle=True)

但是，当我尝试使用与以前相同的循环时：

for i, (images, labels) in enumerate(train_loader):

我得到以下错误：

ValueError: too many values to unpack (expected 2)

---

谁知道我能做些什么才能用这个循环训练我的数据集呢？

从EMNIST数据创建的数据集是一个张量，因此，数据加载器也会产生一个张量，其中第一个维度是批处理维度。这会导致尝试在批处理维度上解压张量，这不起作用，因为批处理大小大于2，但也不是您希望发生的事情

您可以使用轻松地创建一个数据集，该数据集生成图像及其各自标签的元组，就像MNIST数据集一样

train\u dataset=torch.utils.data.TensorDataset（torch.from\u numpy（X\u train），torch.from\u numpy（y\u train））