如何在tensorlayer中加载本地数据

import tensorlayer as tl
from tensorlayer.data import Dataset

class CustomDataset(Dataset):
    def __init__(self, data_path):
        self.data_path = data_path
        self.data = []  # 存储加载的数据

    def load_data(self):
        # 加载本地数据的代码逻辑，将数据存储在self.data中
        # 例如，可以使用numpy或pandas加载数据
        # self.data = np.load(self.data_path)
        pass

    def __getitem__(self, index):
        # 根据索引返回对应的数据样本
        return self.data[index]

    def __len__(self):
        # 返回数据集的长度
        return len(self.data)

data_path = "path/to/your/data.npy"  # 数据文件路径
dataset = CustomDataset(data_path)
dataset.load_data()

data_iterator = tl.iterate.minibatches(dataset, batch_size=32, shuffle=True)
for batch in data_iterator:
    # 在这里进行训练或推理操作
    # batch是一个包含了批量数据的列表，可以直接传入模型进行计算
    pass