这节课是讲mini_batch数据下载的
from torch.utils.data import Dataset
from torch.utils.data import DataLoader
第一个类是抽象类，只能继承
第二个可以直接用
class DiabetesDataset(Dataset):def __init__(self, filepath):xy = np.loadtxt(filepath, delimiter=',', dtype=np.float32)self.len = xy.shape[0] # shape(多少行，多少列)self.x_data = torch.from_numpy(xy[:, :-1])self.y_data = torch.from_numpy(xy[:, [-1]])def __getitem__(self, index):return self.x_data[index], self.y_data[index]def __len__(self):return self.len
定义这个类要做两件事，第一件就是让他能下标调用，第二件事可以返回长度
数据下载
dataset = DiabetesDataset('diabetes.csv')
train_loader = DataLoader(dataset=dataset, batch_size=32, shuffle=True, num_workers=0)
# 接受四个参数，第一个是接受的，第二个是mini_batch的大小，第三是是否随机，第四是分为几个线程来下载数据
神经网络
if __name__ == '__main__':for epoch in range(100):for i, data in enumerate(train_loader, 0): # train_loader 是先shuffle后mini_batchinputs, labels = datay_pred = model(inputs)loss = criterion(y_pred, labels)print(epoch, i, loss.item())optimizer.zero_grad()loss.backward()optimizer.step()
放在if里面是因为在windows系统里面会出错，i是下标
