torchtext.data.TabularDataset怎么用，举个例子

TabularDataset 是 torchtext 中的一个数据集类，用于处理表格数据。下面是一个使用 TabularDataset 加载 csv 文件的例子：

import torchtext

# 定义数据集的字段
text_field = torchtext.data.Field(sequential=True, use_vocab=True, tokenize=lambda x: x.split())
label_field = torchtext.data.Field(sequential=False, use_vocab=False)

# 加载 csv 文件
train_data, test_data = torchtext.datasets.TabularDataset.splits(
    path='data/',
    train='train.csv',
    test='test.csv',
    format='csv',
    fields=[('text', text_field), ('label', label_field)]
)

# 构建词汇表
text_field.build_vocab(train_data)

# 创建迭代器
train_iter, test_iter = torchtext.data.Iterator.splits(
    (train_data, test_data),
    batch_sizes=(32, 32),
    sort_key=lambda x: len(x.text),
    sort_within_batch=True
)

以上代码中，我们首先定义了数据集的字段，其中 `text_field` 用于处理文本数据，`label_field` 用于处理标签数据。然后使用 `TabularDataset` 加载 csv 文件，并指定每一列对应的字段。接着，我们构建了词汇表，并创建了训练集和测试集的迭代器，用于批量读取数据。