要使用PyTorch读取CSV数据集，可以使用Python的pandas库来加载CSV文件，并将其转换为PyTorch张量。下面是一个简单的示例：
import pandas as pd
import torch
# 读取CSV文件
data = pd.read_csv('dataset.csv')
# 提取特征和标签列
features = data.iloc[:, :-1].values
labels = data.iloc[:, -1].values
# 将特征和标签转换为PyTorch张量
features_tensor = torch.tensor(features, dtype=torch.float32)
labels_tensor = torch.tensor(labels, dtype=torch.float32)
# 打印张量的形状
print("Features shape:", features_tensor.shape)
print("Labels shape:", labels_tensor.shape)
在这个示例中，我们首先使用pandas的read_csv函数加载CSV文件。然后，我们使用.iloc来提取特征和标签列，并将它们转换为numpy数组。最后，我们使用torch.tensor将特征和标签转换为PyTorch张量。
注意，这只是一个简单的示例，实际上你可能需要根据你的数据集的特点进行一些额外的数据预处理操作。
