请写出python读取mat文件并构建pytorch dataset 的代码

可以使用`scipy`库读取`.mat`文件，然后使用`torch.utils.data.Dataset`类来构建PyTorch数据集。

以下是一个示例代码：

import scipy.io as sio
import torch
from torch.utils.data import Dataset

class MyDataset(Dataset):
    def __init__(self, mat_file_path):
        self.mat_data = sio.loadmat(mat_file_path)['data']

    def __len__(self):
        return len(self.mat_data)

    def __getitem__(self, idx):
        sample = self.mat_data[idx]
        # convert sample to tensor if necessary
        sample = torch.from_numpy(sample).float()
        return sample

其中，`__init__()`函数用于读取`.mat`文件并将其存储在`self.mat_data`中。`__len__()`函数返回数据集的大小（即样本数量）。`__getitem__()`函数用于获取指定索引处的样本，并将其转换为PyTorch张量。在这个示例中，我们假设`.mat`文件中的数据已经是`numpy`数组，因此可以直接使用`torch.from_numpy()`函数将其转换为PyTorch张量。如果需要对数据进行其他操作（例如标准化或缩放），则可以在`__getitem__()`函数中添加相应的代码。