pytorch：关于enumerate，Dataset和Dataloader

数据读取机制
在对Dataloader进行读取时，通常使用enumerate函数，enumerate() 函数用于将一个可遍历的数据对象(如列表、元组或字符串)组合为一个索引序列，同时列出数据和数据下标。
例如：for k, batch in enumerate(loader):
其中，k代表下标值，batch代表可遍历的数据对象，通常，loader里包含很多个数据对象，那么我们应该怎么保证batch就是我们所需要的数据呢？
通过Dataset的定义可以实现我们需要的数据。Dataset是用来定义数据从哪里读取，以及如何读取的问题，通过重写Dataset抽象类的__getitem__()函数，getitem()函数有几个return返回值，batch就是相应长度的list。
例如：getitem()函数 的return值为
return img, target
相应的batch为长度为2的list。