Python 将宽数据帧转换为Pytorch tensor对象的尺寸是否正确？

我有这个时间序列数据框，有56列和36508个样本；55是预测值，最后一个是输出。我试图拟合一个LSTM神经网络，虽然我能够拟合模型，但我很难将特征转换为Pytorch张量对象。目前，我已经对0和1之间的数据进行了标准化，并将数据拆分为训练集和测试集

导入火炬
导入torch.nn作为nn
打印（x_列形状）
(27380, 55)
打印（y_列形状）
(27380,)
打印（x_测试形状）
(9128, 55)
打印（y_测试形状）
(9128,)

我在将目标转换为张量对象时没有遇到任何问题，因为该序列仅为1D，如下所示：

y\u列=火炬。浮动张量（y\u列）。视图（-1）
打印（y_列[：5]）
张量（[0.7637,0.6220,0.6566,0.6922,0.6774]）

但是当涉及到转换特征时，我无法确定需要指定的尺寸。我试过这个：

x_列=火炬。浮动张量（x_列）。视图（-1，55）
ValueError:无法确定对象类型“DataFrame”的形状

---

如何正确地将要素数据集转换为张量对象？遗憾的是，文档似乎很模糊。

尝试转换为numpy，然后转换为张量：

x\u train=torch.from\u numpy（np.array（x\u train.astype）（np.float32））

发现

torch.FloatTensor（x_train.values.reformate（27380,55））

也会产生张量数组。