要在PyTorch中讀取自己的數據集，您可以按照以下步驟進行操作：

1. 創建數據集類：首先，您需要創建一個自定義的數據集類來處理您的數據集。這個類需要繼承PyTorch的Dataset類，并實現兩個方法：len()和__getitem__()。len()方法返回數據集的長度，getitem()方法根據給定的索引返回一個樣本。

   from torch.utils.data import Dataset
   
   class CustomDataset(Dataset):
       def __init__(self, data):
           self.data = data
   
       def __len__(self):
           return len(self.data)
   
       def __getitem__(self, index):
           sample = self.data[index]
           # 在這里進行數據處理和轉換
           return sample
   

2. 加載數據集：接下來，您需要將數據集加載到數據集類中。可以使用常見的Python庫如NumPy或Pandas來加載數據。在這個示例中，我們假設數據已經加載到一個名為data的列表中。

   data = [...]  # 根據自己的數據加載方式來獲取數據
   dataset = CustomDataset(data)
   

3. 創建數據加載器：要使用PyTorch的數據加載器，您需要創建一個DataLoader對象。DataLoader對象可以在訓練期間幫助您批量加載和處理數據。

   from torch.utils.data import DataLoader
   
   batch_size = 32
   dataloader = DataLoader(dataset, batch_size=batch_size, shuffle=True)
   

4. 迭代數據集：現在，您可以在訓練循環中迭代數據集并批量加載數據。

   for batch in dataloader:
       # 在這里執行您的訓練循環，每個batch包含batch_size個樣本
       inputs = batch[0]  # 根據數據集的返回值而定
       labels = batch[1]  # 根據數據集的返回值而定
       # 進行模型前向傳播、計算損失、反向傳播等操作
   

這樣，您就可以使用PyTorch讀取自己的數據集并在訓練過程中使用它了。請記住，在實際應用中，您可能需要對數據進行預處理、標準化和轉換，以便更好地適應您的模型和任務。