pytorch 构造自己的数据集方法

pytorch 构造自己的数据集方法：
[这个给我启发老哥的链接]:(https://blog.csdn.net/weixin_42320758/article/details/113930316)
这个很重要，因为使用pytorch时我们构造自己的数据集要使用该方法,大部分课程都是直接调用的MNIST数据集,他们都是用该方法封装好的.

自己课程学习复现的为：

import pandas as pd
from torch.utils.data import Dataset
from torch.utils.data import DataLoader
data = pd.read_csv(r"C:\Users\wangxiao\PycharmProjects\Alibaba\new_data_6m3.csv",index_col=0)
x = data.iloc[:10000,:-1].values.astype(float)
x = torch.Tensor(x)
x.size()
y = data.iloc[:10000,-1].values.astype(float)
y = torch.Tensor(y)
# 这个是定义数据集的类，套路是一样的，把自己的XY输入即可，下面的两个魔法函数似乎为了添加index,获取数据集长度
class Mydatasets(Dataset):
    def __init__(self,x,y):
        self.x = x
        self.y = y
    def __getitem__(self, index):
        return self.x[index],self.y[index]
    def __len__(self):
        return self.x.size(0)
# 调用类，然后生成自己的dataset
dataset = Mydatasets(x,y)

# 设置batch_size的大小，并打乱
train_data = DataLoader(dataset=dataset,batch_size=1000,shuffle=True)


for x_,y_ in train_data:
    # print(index)
    print("#"*100)
    print(x_)
    print(y_)


# 输出结果如下
tensor([[2.9000e+13, 0.0000e+00],
        [2.9000e+13, 1.0000e-03],
        [2.9000e+13, 1.0000e-03],
        ...,
        [2.9000e+13, 2.2000e-02],
        [2.9000e+13, 2.8000e-02],
        [2.9000e+13, 6.9000e-02]])
tensor([ 3.,  4.,  5.,  6.,  7.,  8.,  9., 10., 11., 12., 13., 14., 15., 16.,
        17., 18., 19., 20., 21., 22., 23.,  0.,  1.,  2.,  3.,  4.,  5.,  6.,
         7.,  8.,  9., 10., 11., 12., 13., 14., 15., 16., 17., 18., 19., 20.,
        21., 22., 23.,  0.,  1.,  2.,  3.,  4.,  5.,  6.,  7.,  8.,  9., 10.,
        11., 12., 13., 14., 15., 16., 17., 18., 19., 20., 21., 22., 23.,  0.,
         1.,  2.,  3.,  4.,  5.,  6.,  7.,  8.,  9., 10., 11., 12., 13., 14.,