关于迭代器等概念参考：https://www.cnblogs.com/zf-blog/p/10613533.html
关于pytorch中的DataLoader类参考：https://blog.csdn.net/u014380165/article/details/79058479（写的蛮好）
现在用一个例子来讲解一下：
（1）法一：
a = torch.utils.data.DataLoader(....)
a = enumerate(a) #enumerate的built-in函数：__iter__()会将a变成iterator，后面可以再调用built-in函数：__next__（）进行迭代；
m = a.__next__() #注意这里使用的是enumerate类型的built-in函数:__next__()
（2）法二：
a = torch.utils.data.DataLoader(...)
a = torch.utils.data.DataLoader.__iter__(a) #这里调用DataLoader的built-in函数:__iter__()将a变成iterator；
m = a.__next__() #注意：这里调用的是DataLoader的built-in函数：__next__()
PS：
（1）上述两种__next__（）得到的封装结构是不同的，这个在拆解a时要注意；
（2）将容器（各种数据结构：list、tuple等）变成iterator时需要使用iter()，而对于类操作时需要在类中定义__init__()和__next__()，注意这点区别；（具体可参考：https://blog.csdn.net/admin_maxin/article/details/82052065 ， 这样也说明了为什么不能用a = iter() , m=a.next()这种做法，因为a是一个类了，需要用built-in函数__iter__将其变成iterator，再用__next__()，否则会报“enumarate” object has no attribute "next"的错误 or "DataLoader" object has no attribute "next"）