torch.utils.data.DataLoader（）例子

下面是一个简单的 `torch.utils.data.DataLoader` 的示例，加载 MNIST 手写数字数据集：

import torch
from torchvision import datasets, transforms

# 定义数据预处理操作
transform = transforms.Compose([transforms.ToTensor(),
                                transforms.Normalize((0.5,), (0.5,))])

# 加载 MNIST 数据集
train_dataset = datasets.MNIST('data/', train=True, download=True, transform=transform)

# 创建数据加载器
train_loader = torch.utils.data.DataLoader(train_dataset, batch_size=64, shuffle=True)

# 遍历数据集
for images, labels in train_loader:
    # 训练模型
    pass

在这个例子中，我们首先定义了一个数据预处理操作 `transform`，将数据转换为张量，并进行标准化处理。然后，我们使用 `datasets.MNIST` 加载 MNIST 数据集，并将其传入 `torch.utils.data.DataLoader` 中，设置批次大小为 64， shuffle 参数为 True 表示打乱数据集。最后，我们使用 for 循环遍历数据集，并进行模型训练等操作。