在PyTorch中使用DataLoader加載數據主要有以下幾個步驟：

1. 創建數據集對象：首先，需要創建一個數據集對象，該數據集對象必須繼承自torch.utils.data.Dataset類，并實現__len__和__getitem__方法。__len__方法應返回數據集的大小，__getitem__方法應根據給定的索引返回對應的數據樣本。

2. 創建數據集實例：根據步驟1中創建的數據集對象，創建一個數據集實例。

3. 創建數據加載器：使用torch.utils.data.DataLoader類來創建數據加載器，將數據集實例作為參數傳入。可以設置batch_size、shuffle等參數來控制加載數據的方式。

4. 遍歷數據加載器：使用for循環遍歷數據加載器，每次迭代會返回一個batch的數據。可以將這些數據傳入模型進行訓練。

示例代碼如下：

import torch
from torch.utils.data import Dataset, DataLoader

# 創建數據集對象
class MyDataset(Dataset):
    def __init__(self):
        self.data = [1, 2, 3, 4, 5]
    
    def __len__(self):
        return len(self.data)
    
    def __getitem__(self, idx):
        return self.data[idx]

# 創建數據集實例
dataset = MyDataset()

# 創建數據加載器
dataloader = DataLoader(dataset, batch_size=2, shuffle=True)

# 遍歷數據加載器
for batch_data in dataloader:
    print(batch_data)

在上面的示例中，首先創建了一個簡單的數據集對象MyDataset，然后根據該數據集對象創建了一個數據集實例dataset。接著使用DataLoader類創建了一個數據加載器dataloader，設置batch_size為2，shuffle為True。最后通過for循環遍歷數據加載器，每次迭代會返回一個batch_size為2的數據。