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
PyTorch深度学习实践代码 第八讲
最新推荐文章于 2023-12-31 16:22:30 发布