请将上面的数据替换为FashionMNIST并使用torch加载

FashionMNIST是一份包含70,000张灰度图像的数据集，每张图像大小为28x28像素，共分为10个类别。该数据集旨在替代传统的手写数字MNIST数据集，更加贴近实际场景中的图像分类问题。

以下是使用torch加载FashionMNIST数据集的代码：

import torch
import torchvision
from torchvision import transforms

# 定义数据预处理方式
transform = transforms.Compose([
    transforms.ToTensor(), # 转换为Tensor
    transforms.Normalize((0.5,), (0.5,)) # 标准化
])

# 加载FashionMNIST数据集
trainset = torchvision.datasets.FashionMNIST(root='./data', train=True,
                                        download=True, transform=transform)
testset = torchvision.datasets.FashionMNIST(root='./data', train=False,
                                       download=True, transform=transform)

# 创建数据加载器
trainloader = torch.utils.data.DataLoader(trainset, batch_size=64,
                                          shuffle=True)
testloader = torch.utils.data.DataLoader(testset, batch_size=64,
                                         shuffle=False)

在这个例子中，我们使用了torchvision包中的FashionMNIST数据集，并定义了数据预处理方式。接着，我们使用torch的DataLoader创建了训练集和测试集的数据加载器，分别设置了batch_size为64，shuffle为True或False，用于将数据集分批次加载到内存中，并在训练或测试时进行迭代。