Pytorch学习笔记之Dataloader and Dataset

这是在b站刘二大人up主那里的学习笔记，自己整理的些代码：
用sklearn里的糖尿病数据集做的一个逻辑回归预测，跟刘老师教程里的有所不同，我这个的label是几十到四百多的数字，不是离散化的0-1，所以我自己定了个边界值200，小于就设为0，大于就设为1，方便做预测；小白一枚，大佬帮忙指导指导

# diabetes的逻辑回归，用Dataloader和Datasets,并使用mini-batch
import torch
from torch.utils.data import Dataset  # Datasets是抽象类，不能实例化只能被子类继承
from torch.utils.data import DataLoader
from sklearn.datasets import load_diabetes


# 准备数据
class DiabetesDatasets(Dataset):
    def __init__(self):  # 加载数据两种选择：数据量不大时全部加载进内存：如下；数据量大时，定义数据文件名列表（以及标签列表），通过读取列表来读取文件
        sets = load_diabetes()
        self.x_data = torch.Tensor(sets['data'])
        self.y_data = torch.Tensor(sets['target']).view(442, 1)