编写pytorch代码，将数据集划分为训练集和测试集，用numPy转换成torch张量，保存为csv格式

以下是一个示例代码，可以将数据集随机划分为训练集和测试集，并使用 NumPy 将数据集转换为 PyTorch 张量，并将其保存为 CSV 格式。

import numpy as np
import torch
import pandas as pd

# 加载数据集
data = pd.read_csv('data.csv')

# 将数据集转换为 NumPy 数组
data = data.to_numpy()

# 随机划分训练集和测试集（这里以 80% 的数据作为训练集，20% 的数据作为测试集）
np.random.shuffle(data)
train_size = int(0.8 * len(data))
train_data, test_data = data[:train_size], data[train_size:]

# 将训练集和测试集转换为 PyTorch 张量
train_data = torch.from_numpy(train_data)
test_data = torch.from_numpy(test_data)

# 保存训练集和测试集为 CSV 文件
torch.save(train_data, 'train_data.csv')
torch.save(test_data, 'test_data.csv')

这段代码假设数据集已经存储在 `data.csv` 文件中，并且该文件包含所有的数据。运行该代码后，训练集和测试集将分别保存在 `train_data.csv` 和 `test_data.csv` 文件中。