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

tests/test_get_data.py

@@ -0,0 +1,102 @@
+import pytest
+import torch
+import sys
+import os
+
+from simple_llm.data.get_data import GetData
+
+class TestGetData:
+    """Набор тестов для проверки класса GetData"""
+    
+    @pytest.fixture
+    def sample_data(self):
+        """Фикстура с тестовыми данными: последовательность чисел 0-99"""
+        return list(range(100))
+
+    def test_initialization(self, sample_data):
+        """Тест корректности инициализации класса"""
+        seq_len = 10
+        dataset = GetData(data=sample_data, seq_len=seq_len)
+        
+        assert dataset._data == sample_data
+        assert dataset._seq_len == seq_len
+        assert dataset._device == "cpu"
+        
+        # Проверка инициализации с явным указанием устройства
+        dataset_gpu = GetData(data=sample_data, seq_len=seq_len, device="cuda")
+        assert dataset_gpu._device == "cuda"
+
+    def test_dataset_length(self, sample_data):
+        """Тест корректного вычисления длины датасета"""
+        test_cases = [
+            (10, 89),   # seq_len=10 → len=100-10-1=89
+            (50, 49),    # seq_len=50 → len=100-50-1=49
+            (99, 0)      # seq_len=99 → len=100-99-1=0
+        ]
+        
+        for seq_len, expected_len in test_cases:
+            dataset = GetData(data=sample_data, seq_len=seq_len)
+            assert len(dataset) == expected_len
+
+    def test_item_retrieval(self, sample_data):
+        """Тест получения элементов датасета"""
+        seq_len = 5
+        dataset = GetData(data=sample_data, seq_len=seq_len)
+        
+        # Проверка первых элементов
+        x, y = dataset[0]
+        assert torch.equal(x, torch.tensor([0, 1, 2, 3, 4]))
+        assert torch.equal(y, torch.tensor([1, 2, 3, 4, 5]))
+        
+        # Проверка элементов из середины
+        x, y = dataset[50]
+        assert torch.equal(x, torch.tensor([50, 51, 52, 53, 54]))
+        assert torch.equal(y, torch.tensor([51, 52, 53, 54, 55]))
+        
+        # Проверка последнего элемента
+        last_idx = len(dataset) - 1
+        x, y = dataset[last_idx]
+        expected_x = sample_data[last_idx:last_idx+seq_len]
+        expected_y = sample_data[last_idx+1:last_idx+seq_len+1]
+        assert torch.equal(x, torch.tensor(expected_x))
+        assert torch.equal(y, torch.tensor(expected_y))
+
+    @pytest.mark.skipif(not torch.cuda.is_available(), reason="Требуется GPU")
+    def test_gpu_support(self, sample_data):
+        """Тест работы с GPU (только если доступен CUDA)"""
+        seq_len = 10
+        dataset = GetData(data=sample_data, seq_len=seq_len, device="cuda")
+        x, y = dataset[0]
+        
+        assert x.is_cuda
+        assert y.is_cuda
+        assert x.device == torch.device("cuda")
+        assert y.device == torch.device("cuda")
+
+    def test_edge_cases(self):
+        """Тест обработки граничных случаев"""
+        # Слишком длинная последовательность
+        with pytest.raises(ValueError):
+            GetData(data=[1, 2, 3], seq_len=4)
+            
+        # Отрицательная длина последовательности
+        with pytest.raises(ValueError):
+            GetData(data=[1, 2, 3], seq_len=-1)
+            
+        # Пустые входные данные
+        with pytest.raises(ValueError):
+            GetData(data=[], seq_len=1)
+
+    def test_tensor_conversion(self, sample_data):
+        """Тест корректности преобразования в тензоры"""
+        seq_len = 3
+        dataset = GetData(data=sample_data, seq_len=seq_len)
+        x, y = dataset[10]
+        
+        assert isinstance(x, torch.Tensor)
+        assert isinstance(y, torch.Tensor)
+        assert x.dtype == torch.int64
+        assert y.dtype == torch.int64
+
+if __name__ == "__main__":
+    pytest.main(["-v", "--tb=native"])