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TensorFlow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 tensorflow as tf

def load_data(file_path):
    dataset = tf.data.experimental.make_csv_dataset(
        file_path,
        batch_size=32,
        label_name='label',
        num_epochs=1,
        ignore_errors=True)
    return dataset

def normalize(features):
    X = features['feature']
    X_mean, X_var = tf.nn.moments(X, axes=[0])
    X_std = tf.sqrt(X_var)
    X_normalized = (X - X_mean) / X_std
    return {'feature': X_normalized}, features['label']

def data_provider(dataset):
    dataset = dataset.map(normalize)
    dataset = dataset.shuffle(1000).repeat()
    return dataset

file_path = 'data.csv'
dataset = load_data(file_path)
data_provider = data_provider(dataset)

for X_batch, y_batch in data_provider.take(10):
    # 处理一个batch的数据
    pass

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，函数返回值为一个TensorFlow Dataset对象。

`normalize`函数用于对特征进行归一化，函数输入为一个批次的数据，输出为归一化后的特征和标签。

`data_provider`函数用于构造数据集提供器，函数输入为一个TensorFlow Dataset对象，函数返回值为一个经过归一化、打乱顺序和重复数据的Dataset对象。

示例调用代码：

file_path = 'data.csv'
dataset = load_data(file_path)
data_provider = data_provider(dataset)

for X_batch, y_batch in data_provider.take(10):
    # 处理一个batch的数据
    pass