我找到了一个代码，可以将MNIST数据集的数据转换为Tensor。代码如下：

import torch
import torchvision
import matplotlib.pyplot as plt

batch_size_test=1000

test_loader=torch.utils.data.DataLoader(
    torchvision.datasets.MNIST('/files/',train=False,download=True,
                               transform=torchvision.transforms.Compose(
                                   [torchvision.transforms.ToTensor(),
                                    torchvision.transforms.Normalize(
                                        (0.1307,),(0.3081,))
                                       ])),
    batch_size=batch_size_test,shuffle=True
    )

examples=enumerate(test_loader)
print (example_data.shape)

当我打印example_data的形状时，我得到了以下内容：

torch.Size([1000, 1, 28, 28])

所以，对于我所知道的是1000个样本的Tensor，1个通道和28像素高和28像素宽的图像，在图形上，我想象像一种4d阵列，其中我有立方体，1000个一个堆叠在另一个之上，然后每个立方体由28 x 28 x 1数据形成。
我还尝试了以下指令：

print (example_data[2][0])

但输出是这样的：

tensor([[-0.4242, -0.4242, -0.4242, -0.4242, -0.4242, -0.4242, -0.4242, -0.4242,
         -0.4242, -0.4242, -0.4242, -0.4242, -0.4242, -0.4242, -0.4242, -0.4242,
         -0.4242, -0.4242, -0.4242, -0.4242, -0.4242, -0.4242, -0.4242, -0.4242,
         -0.4242, -0.4242, -0.4242, -0.4242],
        [-0.4242, -0.4242, -0.4242, -0.4242, -0.4242, -0.4242, -0.4242, -0.4242,
         -0.4242, -0.4242, -0.4242, -0.4242, -0.4242, -0.4242, -0.4242, -0.4242,
         -0.4242, -0.4242, -0.4242, -0.4242, -0.4242, -0.4242, -0.4242, -0.4242,
         -0.4242, -0.4242, -0.4242, -0.4242],

我看到括号中的每一部分，就像一个一维数组，在水平方向上包含了28个数字，但是为什么在垂直方向上也有28个数字呢？
此外，在本部分中：print (example_data[2][0])，2表示第二个样本，但为什么我必须放置[0]？
抱歉，如果这看起来像是一个帖子里的两个问题，但我相信它们是密切相关的。