python:将手写体图像数据集进行切割，然后按照数字进行分类，构建手写体数字的分类数据集，阿拉伯数字和中文数字分别建立独立的数据集,以人为单位，当70%同学的手写体数字作为训练集，剩余30%同学的作为测试集,构建Pytorch的数据加载器，进行Batch方式的数据生成。

好的，这是一个比较复杂的问题，需要分步骤回答。我会尽力为您解答，您可以随时提出问题。

首先，您需要准备手写数字的数据集。一个常用的数据集是MNIST，其中包含了60000张28x28像素的手写数字图像作为训练集，10000张作为测试集。您可以从MNIST官网下载数据集，也可以使用PyTorch中的内置函数加载数据集。

接下来，您需要对数据集进行切割，按照数字进行分类。这个过程可以使用Python中的PIL库来处理图像，将每个数字切割出来，然后按照数字进行分类。对于阿拉伯数字和中文数字，您需要分别建立独立的数据集。

然后，您需要将数据集划分为训练集和测试集。您可以使用Python中的sklearn库中的train_test_split函数来实现，将70%的数据作为训练集，30%的数据作为测试集。

最后，您需要构建PyTorch的数据加载器，进行Batch方式的数据生成。您可以使用PyTorch中的DataLoader函数，将数据集转换为可迭代的数据加载器，用于训练模型。在DataLoader函数中，您可以设置Batch Size，来控制每次迭代加载的数据量。

以上就是完整的步骤，希望能对您有所帮助。