本章節主要講述如何利用python和pytorch來讀取csv文件；
主要重點在於以下幾個：
1.如何讀取csv文件；
2.關於切片問題；
3.如何從單值target來構建one-hot target；
4.關於高級索引的問題；
5.各種均值和方差函數的使用；
一、CSV文件讀取：
關於csv文件讀取，可以直接采用numpy或者python中的csv文件包進行讀取；
值得注意的是loadtxt函數中的四個參數：
1.指定文件路徑；
2.指定文件讀取的值類型；
3.指定數據分隔符（也就是每一行每一項的分隔符）；
4.指定從第幾行開始讀取；
二、關於切片問題：
切片問題還是老生常談，對於本例子中給出的數據，最后一列是標簽，所以必須要對data和target進行分開提取；
其中使用.long()函數來進行轉換，把標簽從浮點轉化為整形數據；
三、one-hot標簽的問題：
對於不少集合中，多以連續數值標簽作為類別，例如0-9代表不同的十類，但是對於類別標簽，也往往需要轉換為one-hot編碼；
對於target，是tensor(4898,1)形式的張量，由於是十類，所以one-hot標簽應該為(4898,10)形式；
而后使用scatter_在target_onehot上直接進行更改；
其中值得注意的是其三個參數：
1.指出修改的是哪一個維度（由於本例子是二維數組，修改的是列，所以應該是1而非0）；
2.注意一下unsqueeze()函數；
unsqueeze函數：
旨在進行維度擴充，如下所示：
相當於新增維度，直接總1維向量變為2維向量，盡管二維中只有一個元素；
3.指出填充的數字，one-hot直接填充1即可；
所以總而言之，是scatter_目的就是在某一維度，根據對應維度的索引，填入對應的值；
當時有疑惑為什么要用unsqueeze來填充維度，本質是因為one-hot是填充列元素，也是第二維，所以需要坐標指示，而利用unsqueeze可以直接選取第二維中的值作為填充的索引，直接填入即可；
所以，要填充幾維，就要擴充到幾維，對應的維度內的值即為填充索引；
四、高級索引問題：
從來沒見過的操作；
torch.le返回一個bool列表，對target內指定的值進行判斷，符合為true，不符合為false；
高級索引可以直接根據想同維度的bool值來進行選取，如果是true選取對應維度數據，false則跳過，這也是自己沒見過的騷操作；
五、各種方差均值函數的運用：
主要采用torch.mean()或者torch.var()來進行，注意使用dim的時候：
dim=0，按照列求均值；
dim=1，按照行求均值；
返回的維度和行或者列維度相同；