假设已有数据文件a.txt，写一段代码实现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Python代码实现，实现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：

import numpy as np

# 从文件中加载数据，假设数据文件中每行是一个样本，每行的第一个数字是标签，后面是特征
def load_data(filename):
    data = []
    with open(filename, 'r') as f:
        for line in f.readlines():
            sample = line.strip().split(' ')
            data.append([float(sample[0]), [float(x) for x in sample[1:]]])
    return data

# 对数据进行归一化，将特征值缩放到[0, 1]之间
def normalize_data(data):
    x = np.array([sample[1] for sample in data])
    x_min = np.min(x, axis=0)
    x_max = np.max(x, axis=0)
    x_normalized = (x - x_min) / (x_max - x_min)
    for i in range(len(data)):
        data[i][1] = x_normalized[i]
    return data

# 构造数据集提供器
def data_generator(data, batch_size, shuffle=True):
    if shuffle:
        np.random.shuffle(data)
    batch_count = 0
    while True:
        batch_data = []
        for i in range(len(data)):
            batch_data.append(data[i])
            batch_count += 1
            if batch_count == batch_size:
                batch_count = 0
                yield batch_data
                batch_data = []
        if len(batch_data) > 0:
            yield batch_data

# 加载数据并归一化
data = load_data('a.txt')
data = normalize_data(data)

# 构造数据集提供器，每次返回10个样本
data_provider = data_generator(data, batch_size=10)

# 使用数据集提供器
for i in range(3):
    batch_data = next(data_provider)
    print(batch_data)

其中，`load_data`函数从文件中加载数据，返回一个列表，每个元素为一个样本，包括标签和特征。`normalize_data`函数对数据进行归一化，将特征值缩放到[0, 1]之间。`data_generator`函数构造数据集提供器，每次返回`batch_size`个样本。最后，我们使用数据集提供器来获取数据。