高层DataSet底层DataLoader，是这么搭配的吗？

# dataset与mnist网络结构的定义与第一部分内容一致

# 用 DataLoader 实现数据加载
train_loader = paddle.io.DataLoader(train_dataset, batch_size=64, shuffle=True, drop_last=True)

mnist.train()

# 设置迭代次数
epoch_num = 5

# 设置优化器
optim = paddle.optimizer.Adam(parameters=model.parameters())

# 设置损失函数
loss_fn = paddle.nn.CrossEntropyLoss()

for epoch in range(epoch_num):
    for batch_id, data in enumerate(train_loader):
        inputs = data[0]            # 训练数据
        labels = data[1]            # 训练数据标签
        predicts = mnist(inputs)    # 预测结果

        # 计算损失 等价于 prepare 中loss的设置
        loss = loss_fn(predicts, labels)

        # 计算准确率 等价于 prepare 中metrics的设置
        acc = paddle.metric.accuracy(predicts, labels)

        # 反向传播
        loss.backward()

        if batch_id % 100 == 0: 
            print("epoch: {}, batch_id: {}, loss is: {}, acc is: {}".format(epoch, batch_id, loss.numpy(), acc.numpy()))

        # 更新参数
        optim.step()

        # 梯度清零
        optim.clear_grad()