在Torch中，数据加载模块主要是通过torch.utils.data模块来实现的。该模块提供了一些类和函数，用于加载和处理数据集，包括Dataset类、DataLoader类、Sampler类等。
Dataset类：该类定义了一个抽象类，用于表示数据集。用户可以继承该类，实现自定义的数据集加载逻辑。通常情况下，用户需要实现__len__方法（返回数据集的大小）和__getitem__方法（根据索引返回数据样本）。
DataLoader类：该类用于封装数据集，提供了一些便捷的方法用于批量加载数据。用户可以指定batch_size、shuffle等参数来定制数据加载的方式。
Sampler类：用于定义数据集的采样策略，例如随机采样、顺序采样等。用户可以通过继承Sampler类实现自定义的采样逻辑。
通过这些类和函数，用户可以很方便地加载和处理数据集，用于训练神经网络模型。
