PyTorch 数据加载器：使用 DataLoader 训练模型

这段代码用于创建一个训练数据的数据加载器 'train_loader'，以便在训练过程中按照指定的批次大小和随机顺序加载数据。

train_loader = torch.utils.data.DataLoader(train_dataset,
                                           batch_size=batch_size, shuffle=True)

1. 'train_dataset'：之前创建的训练数据集对象 'train_dataset'。
2. 'torch.utils.data.DataLoader'：这是 PyTorch 中用于加载数据的类，用于创建一个数据加载器。
3. 'batch_size=batch_size'：指定每个批次中的样本数。
4. 'shuffle=True'：指定是否在每个 epoch 开始时对数据进行重新排序，即随机打乱数据的顺序。

这段代码的目的是创建一个训练数据的数据加载器 'train_loader'，用于在训练过程中按照指定的批次大小和随机顺序加载数据。通过数据加载器，可以方便地迭代访问训练数据集中的样本，并应用于模型的训练过程中。