PyTorch深度学习实践代码 第八讲

import numpy as np
#引入torch
import torch
#从torch的工具的数据里面引入Dataset(是一个抽象类，不能实例化，只能被其他子类去继承)
from torch.utils.data import Dataset
#从torch的工具的 数据里面引入DataLoader(可以实例化一个DataLoader)
from torch.utils.data import DataLoader

#定义糖尿病数据集分类，继承自Dataset
class DiabetesDataset(Dataset):
    #自身初始化文件路径
    def __init__(self,filepath):
        #加载文本，文件路径，分隔符是逗号，数据类型是32位浮点型
        xy = np.loadtxt(filepath,delimiter=',',dtype=np.float32)
        #长度等于shape[0]，长度等于数据的高度
        self.len = xy.shape[0]
        #x取所有行和除了最后一列的所有列
        self.x_data = torch.from_numpy(xy[:,:-1])
        #y取所有行和最后一列
        self.y_data = torch.from_numpy(xy[:,[-1]])
    #使用getitem方法可以通过数据的索引将数据拿出来
    def __getitem__(self,index):
        #根据x的索引返回x的数据，根据y的索引返回y的数据
        return self.x_data[index],self.y_data[index]
    #返回数据集的长度
    def __len__(self):
        return self.len
#实例化   
dataset = Diabetes