train_data=gluon.data.DataLoader(） #把資料整體封裝起來

class mxnet.gluon.data.DataLoader（dataset，batch_size = None，shuffle = False，sampler = None，last_batch = None，batch_sampler = None，batchify_fn = None，num_workers = 0 ）引數理解

• dataset（資料集） - 源資料集。請注意，numpy和mxnet陣列可以直接用作資料集。
• batch_size（int） - 最小批量的大小。
• shuffle（bool） - 是否洗牌。
• sample（取樣器） - 要使用的取樣器。指定取樣器或混洗，而不是兩者。
• last_batch（{'keep' ，'discard' ，'rollover'}） -

  如果batch_size不能均勻分配len（資料集），如何處理最後一批 。

  keep - 返回比前一批次樣品少的批次。discard - 如果最後一批不完整，則丟棄最後一批。rollover - 剩餘的樣本將轉入下一個時間段。

• batch_sampler（取樣器） - 返回小批量的取樣器。如果指定了batch_sampler，則不要指定batch_size，shuffle，sampler和last_batch。
• batchify_fn（可呼叫） -

  回撥函式允許使用者指定如何將樣本合併到批處理中。預設為default_batchify_f

  num_workers（int ，預設值為0） - 用於資料預處理的多處理工作器的數量。 Windows尚未支援num_workers> 0。

  (3)class mxnet.gluon.data.vision.datasets.MNIST（root ='〜/ .mxnet / datasets / mnist'，train = True，transform = None ）