本章节主要讲述如何利用python和pytorch来读取csv文件；
主要重点在于以下几个：
1.如何读取csv文件；
2.关于切片问题；
3.如何从单值target来构建one-hot target；
4.关于高级索引的问题；
5.各种均值和方差函数的使用；
一、CSV文件读取：
关于csv文件读取，可以直接采用numpy或者python中的csv文件包进行读取；
值得注意的是loadtxt函数中的四个参数：
1.指定文件路径；
2.指定文件读取的值类型；
3.指定数据分隔符（也就是每一行每一项的分隔符）；
4.指定从第几行开始读取；
二、关于切片问题：
切片问题还是老生常谈，对于本例子中给出的数据，最后一列是标签，所以必须要对data和target进行分开提取；
其中使用.long()函数来进行转换，把标签从浮点转化为整形数据；
三、one-hot标签的问题：
对于不少集合中，多以连续数值标签作为类别，例如0-9代表不同的十类，但是对于类别标签，也往往需要转换为one-hot编码；
对于target，是tensor(4898,1)形式的张量，由于是十类，所以one-hot标签应该为(4898,10)形式；
而后使用scatter_在target_onehot上直接进行更改；
其中值得注意的是其三个参数：
1.指出修改的是哪一个维度（由于本例子是二维数组，修改的是列，所以应该是1而非0）；
2.注意一下unsqueeze()函数；
unsqueeze函数：
旨在进行维度扩充，如下所示：
相当于新增维度，直接总1维向量变为2维向量，尽管二维中只有一个元素；
3.指出填充的数字，one-hot直接填充1即可；
所以总而言之，是scatter_目的就是在某一维度，根据对应维度的索引，填入对应的值；
当时有疑惑为什么要用unsqueeze来填充维度，本质是因为one-hot是填充列元素，也是第二维，所以需要坐标指示，而利用unsqueeze可以直接选取第二维中的值作为填充的索引，直接填入即可；
所以，要填充几维，就要扩充到几维，对应的维度内的值即为填充索引；
四、高级索引问题：
从来没见过的操作；
torch.le返回一个bool列表，对target内指定的值进行判断，符合为true，不符合为false；
高级索引可以直接根据想同维度的bool值来进行选取，如果是true选取对应维度数据，false则跳过，这也是自己没见过的骚操作；
五、各种方差均值函数的运用：
主要采用torch.mean()或者torch.var()来进行，注意使用dim的时候：
dim=0，按照列求均值；
dim=1，按照行求均值；
返回的维度和行或者列维度相同；