pandlle中batchsampler函数

`BatchSampler`是PyTorch中的一个采样器（Sampler）类，它用于生成一个batch的样本索引。`BatchSampler`根据`Sampler`生成的样本索引，将它们分组成一个batch。在每个epoch中，`BatchSampler`会将所有样本遍历一遍，并且每个样本只会被遍历一次。

在`torch.utils.data`模块中，`BatchSampler`的构造函数如下：

class BatchSampler(Sampler):
    def __init__(self, sampler, batch_size, drop_last):
        ...

其中，`sampler`是一个`Sampler`实例，用于生成样本索引；`batch_size`表示一个batch中包含的样本数；`drop_last`表示最后一个batch是否丢弃，如果为`True`，则最后一个batch不足`batch_size`的部分将被丢弃。

`BatchSampler`的`__iter__()`方法会返回一个迭代器，用于生成所有batch的样本索引。例如，在使用`BatchSampler`时，可以这样遍历所有batch：

batch_sampler = BatchSampler(sampler, batch_size=32, drop_last=False)
for batch_idx, batch in enumerate(batch_sampler):
    # batch是一个长度为batch_size的样本索引列表
    # 在这里，可以通过这些样本索引从数据集中获取对应的数据
    ...

在PaddlePaddle中，同样有一个叫做`BatchSampler`的采样器类，它的定义与PyTorch中的`BatchSampler`类似，用法也类似。同时，`paddle.io.DataLoader`类也支持`batch_sampler`参数，可以直接将`BatchSampler`实例传递给`batch_sampler`参数，从而实现自定义的batch采样方式。