DataLoader的作用：通常在训练时我们会将数据集分成若干小的、随机的batch，这个操作当然可以手动操作，但是PyTorch里面为我们提供了API让我们方便地从dataset中获得batch，DataLoader就是干这事儿的。
先看官方文档的描述，包括了每个参数的定义：
PyTorch DataLoader()使用
它的本质是一个可迭代对象，一般的操作是：

  1. 创建一个dataset对象
  2. 创建一个DataLoader对象
  3. 遍历这个DataLoader对象，将data, label加载到模型中进行训练
#一个粗略的示意
dataset = torchvision.datasets.MNIST()  #从torchvision这个包里获得一个dataset对象
train_iter = torch.utils.data.DataLoader(dataset, batch_size = args.batch_size, shuffle = True)#创建DataLoader对象
for epoch in num(epochs):#将数据加载到模型之中
    for data, label in train_iter:
        ...

DataLoader还有更多的细节，但现在还没有遇到，所以先记下这部分。
这个博客关于这个话题讲得不错，参考 https://www.cnblogs.com/ranjiewen/p/10128046.html