Реализация класса GetData

- Добавлен класс GetData для работы с последовательными данными
- Реализован функционал:
  * Создание датасета из последовательности
  * Автоматическое формирование пар (input, target)
  * Поддержка CPU/GPU
  * Проверка корректности параметров
- Добавлены тесты для проверки функционала
- Создан пример использования в example/
- Добавлена документация с блок-схемой в doc/
- Обновлен README.md с информацией о новом классе

simple_llm/data/get_data.py

@@ -0,0 +1,77 @@
+import torch
+from torch.utils.data import Dataset
+
+class GetData(Dataset):
+    """
+    Класс для создания датасета последовательных данных для обучения языковых моделей.
+    
+    Наследуется от torch.utils.data.Dataset и реализует:
+    - Скользящее окно по последовательности данных
+    - Автоматическое разделение на входные и целевые последовательности
+    - Поддержку работы на CPU/GPU
+    - Проверку корректности параметров
+    
+    Args:
+        data (List): Обучающая последовательность (список чисел или токенов)
+        seq_len (int): Длина одной обучающей последовательности (в элементах). 
+                      Должна быть положительной и меньше длины данных.
+        device (str, optional): Устройство для тензоров ('cpu' или 'cuda'). По умолчанию 'cpu'.
+    
+    Raises:
+        ValueError: Если seq_len <= 0 или seq_len >= len(data)
+    
+    Attributes:
+        _data (List): Хранит входную последовательность
+        _seq_len (int): Длина последовательности для обучения
+        _device (str): Устройство для вычислений
+    
+    Examples:
+        >>> data = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
+        >>> dataset = GetData(data, seq_len=3)
+        >>> len(dataset)
+        6
+        >>> dataset[0]
+        (tensor([1, 2, 3]), tensor([2, 3, 4]))
+        
+        # Некорректные параметры
+        >>> GetData(data=[1, 2, 3], seq_len=4)  # Вызовет ValueError
+        >>> GetData(data=[1, 2, 3], seq_len=-1)  # Вызовет ValueError
+    """
+    
+    def __init__(self, data: list, seq_len: int, device: str = "cpu") -> None:
+        """Инициализация датасета с последовательными данными."""
+        if seq_len <= 0:
+            raise ValueError(f"Sequence length must be positive, got {seq_len}")
+        if seq_len >= len(data):
+            raise ValueError(f"Sequence length {seq_len} must be less than data length {len(data)}")
+        self._data = data
+        self._seq_len = seq_len
+        self._device = device
+
+    def __len__(self) -> int:
+        """
+        Возвращает количество обучающих примеров в датасете.
+        
+        Формула:
+            N - seq_len - 1
+        где N - длина всей последовательности
+        
+        Returns:
+            int: Количество доступных последовательностей
+        """
+        return len(self._data) - self._seq_len - 1
+    
+    def __getitem__(self, idx: int) -> tuple[torch.Tensor, torch.Tensor]:
+        """
+        Возвращает один обучающий пример по индексу.
+        
+        Args:
+            idx (int): Позиция начала последовательности
+            
+        Returns:
+            Tuple[torch.Tensor, torch.Tensor]: Пара (входная_последовательность, целевая_последовательность)
+            где целевая последовательность сдвинута на 1 элемент вперед
+        """
+        x = torch.tensor(self._data[idx:idx+self._seq_len]).to(self._device)
+        y = torch.tensor(self._data[idx+1:idx+self._seq_len+1]).to(self._device)
+        return (x, y)