關於迭代器等概念參考：https://www.cnblogs.com/zf-blog/p/10613533.html
關於pytorch中的DataLoader類參考：https://blog.csdn.net/u014380165/article/details/79058479（寫的蠻好）
現在用一個例子來講解一下：
（1）法一：
a = torch.utils.data.DataLoader(....)
a = enumerate(a) #enumerate的built-in函數：__iter__()會將a變成iterator，后面可以再調用built-in函數：__next__（）進行迭代；
m = a.__next__() #注意這里使用的是enumerate類型的built-in函數:__next__()
（2）法二：
a = torch.utils.data.DataLoader(...)
a = torch.utils.data.DataLoader.__iter__(a) #這里調用DataLoader的built-in函數:__iter__()將a變成iterator；
m = a.__next__() #注意：這里調用的是DataLoader的built-in函數：__next__()
PS：
（1）上述兩種__next__（）得到的封裝結構是不同的，這個在拆解a時要注意；
（2）將容器（各種數據結構：list、tuple等）變成iterator時需要使用iter()，而對於類操作時需要在類中定義__init__()和__next__()，注意這點區別；（具體可參考：https://blog.csdn.net/admin_maxin/article/details/82052065 ， 這樣也說明了為什么不能用a = iter() , m=a.next()這種做法，因為a是一個類了，需要用built-in函數__iter__將其變成iterator，再用__next__()，否則會報“enumarate” object has no attribute "next"的錯誤 or "DataLoader" object has no attribute "next"）