要制作自己的数据集并将其用于PyTorch中，可以按照以下步骤操作：

创建一个自定义的数据集类，继承自torch.utils.data.Dataset类，并实现__len__和__getitem__方法。在__init__方法中，可以初始化数据集中的文件路径或其他必要的信息。

import torch
from torch.utils.data import Dataset
class CustomDataset(Dataset):
    def __init__(self, data_path):
        self.data = torch.load(data_path)
    
    def __len__(self):
        return len(self.data)
    
    def __getitem__(self, idx):
        return self.data[idx]

创建一个数据集实例，并传入数据集的路径或其他必要的参数。

dataset = CustomDataset(data_path='data.pth')

使用DataLoader类将数据集包装成数据加载器，以便进行数据批处理和数据加载。

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

现在可以使用数据加载器dataloader来迭代访问自定义数据集中的数据。

for batch in dataloader:
    # 对batch数据进行处理
    pass

通过以上步骤，您就可以制作自己的数据集并将其用于PyTorch中进行训练和测试。