举一个torch.util.data的例子

以下是一个使用torch.util.data来加载MNIST数据集的例子：

import torch
import torchvision.datasets as datasets
import torchvision.transforms as transforms

# 定义数据转换
transform = transforms.Compose([
    transforms.ToTensor(),
    transforms.Normalize((0.1307,), (0.3081,))
])

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

# 定义数据加载器
train_loader = torch.utils.data.DataLoader(dataset=train_dataset, batch_size=64, shuffle=True)
test_loader = torch.utils.data.DataLoader(dataset=test_dataset, batch_size=64, shuffle=False)

这个例子中，我们首先定义了一个数据转换，将MNIST数据集中的图像转换为张量，并进行归一化处理。然后，我们使用`datasets.MNIST`函数加载MNIST数据集，并将数据转换应用于每个图像。最后，我们使用`torch.utils.data.DataLoader`函数定义两个数据加载器，一个用于训练数据集，一个用于测试数据集。其中，`batch_size`参数指定了每个批次的数据量，`shuffle`参数指定是否打乱数据顺序。