用torch保存csv数据为张量

在PyTorch中，你可以使用`torch.utils.data.Dataset`类以及`pandas`库来创建一个自定义的数据集，同时将CSV数据加载到张量中。以下是一个基本步骤：

首先，安装必要的库：

pip install torch pandas

1. 导入所需的库：

import torch
import pandas as pd
from torch.utils.data import Dataset

2. 创建一个自定义数据集类（例如CSVDataset）：

class CSVDataset(Dataset):
    def __init__(self, csv_file, feature_columns, transform=None):
        self.data = pd.read_csv(csv_file)
        self.feature_columns = feature_columns
        self.transform = transform

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

    def __getitem__(self, idx):
        row = self.data.iloc[idx]
        features = row[self.feature_columns].values
        if self.transform is not None:
            features = self.transform(features)
        return torch.tensor(features, dtype=torch.float), torch.tensor(row['target_column'], dtype=torch.long)  # 根据需要替换'target_column'

在这个类中，`__getitem__`方法负责读取每一行数据并将其转化为张量形式。`transform`参数可以用于预处理数据。

3. 使用数据集：

dataset = CSVDataset('your_data.csv', ['feature1', 'feature2'])  # 替换为你实际的特征列名
dataloader = torch.utils.data.DataLoader(dataset, batch_size=32, shuffle=True)

# 现在你可以遍历dataloader并得到张量形式的数据
for inputs, targets in dataloader:
    pass