训练集有带标签的数据和不带标签的数据，一共11钟食物，每一种280张图片验证集每一种30张，无标签训练集3327张。

这里数据提取器中要进行训练集和验证集的划分，取20%作为验证集# 数据集self.X = xreturn self.X[item], self.Y[item] # 数据集一般不让返回str， 要写在字典中，或者转为矩阵。# 数据生成器x, label = read_txt_data(path) # 读取数据集# 数据集没有划分，所以要分割训练集和验证集，valSize为验证集的比例20%文本要先进

_init__

不同于回归任务，只输出一个值，分类任务的每一个样本都输出多维的预测值y^，即一个多维向量，代表着一组概率值，其和为1。真实标签y，也同为一组概率向量，且用表示，即如果结果属于该类就取1，剩余类取0。如下图，一共三类，如果有100个样本，5个特征，假如经过一层网络，即 Linear(5,3)，100*5的样本输入，最终变成100*3的输出y^，其中每一个样本的输出都是三维的概率向量，分类任务的los

_init__

训练集有带标签的数据和不带标签的数据，一共11钟食物，每一种280张图片验证集每一种30张，无标签训练集3327张。

_init__

训练集有带标签的数据和不带标签的数据，一共11钟食物，每一种280张图片验证集每一种30张，无标签训练集3327张。

_init__

训练集有带标签的数据和不带标签的数据，一共11钟食物，每一种280张图片验证集每一种30张，无标签训练集3327张。