写一段代码： 1.从文件中加载数据 2.对数据进行归一化 3.构造数据集提供器

以下是使用Python实现从文件中加载数据，对数据进行归一化，构造数据集提供器的代码：

import numpy as np

def load_data(file_path):
    data = np.loadtxt(file_path, delimiter=',')
    X = data[:, :-1]
    y = data[:, -1]
    return X, y

def normalize(X):
    X_mean = np.mean(X, axis=0)
    X_std = np.std(X, axis=0)
    X_normalized = (X - X_mean) / X_std
    return X_normalized

def data_generator(X, y, batch_size=32, shuffle=True):
    num_samples = X.shape[0]
    indices = np.arange(num_samples)
    if shuffle:
        np.random.shuffle(indices)
    for i in range(0, num_samples, batch_size):
        batch_indices = indices[i:i+batch_size]
        yield X[batch_indices], y[batch_indices]

其中，`load_data`函数用于从文件中加载数据，其中`file_path`为数据文件的路径，函数返回值为特征矩阵`X`和标签向量`y`。

`normalize`函数用于对特征矩阵进行归一化，函数输入为特征矩阵`X`，函数返回值为归一化后的特征矩阵`X_normalized`。

`data_generator`函数用于构造数据集提供器，函数输入为特征矩阵`X`、标签向量`y`、每个batch的大小`batch_size`和是否打乱数据顺序`shuffle`，函数返回一个生成器，可以用于遍历整个数据集。

示例调用代码：

X, y = load_data('data.csv')
X_normalized = normalize(X)
data_provider = data_generator(X_normalized, y, batch_size=32, shuffle=True)

for X_batch, y_batch in data_provider:
    # 处理一个batch的数据
    pass