我们一般使用for循环来训练神经网络，在每次的迭代过程，从DataLoader中取出batchsize的数据，然后前向传播反向传播一次，更新参数一次
在加载batch数据的时候，torch创建一个可迭代的Dataset对象（需要重写__getitem__（）和__len__（）两个方法），然后与DataLoader一起使用；

DataLoader： 构造一个整数索引的采样器来获取Dataset的数据

Dataset

创建Dataset对象：
需要重写 getitem 方法和 len 方法。
前者通过提供索引返回数据，也就是提供 DataLoader获取数据的方式；后者返回数据集的长度，DataLoader依据 len 确定自身索引采样器的长度。

from torch.utils.data import Dataset
# 输入形式：[{'x':['token_id',..],'y':[label]},..],[(['token_id',..],[label]),..]</