Meh，这是一个生成器而不是迭代器。但无论如何，这里有一个解决方案：

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

def example_iterator():
    for i in range(10):
        yield i

class MyDataset(Dataset):
    def __init__(self):
        self.generator = example_iterator()
        
    def __getitem__(self, idx):
        return next(self.generator)
        
    def __len__(self):
        return 10 #here you have to put the len

BATCH_SIZE = 3
train_dataloader = DataLoader(MyDataset(),
                        batch_size = BATCH_SIZE,
                        shuffle=False)

PyTorch的DataLoader实际上官方支持可迭代数据集，但它必须是torch.utils.data.IterableDataset子类的示例：
可迭代样式的数据集是实现__iter__()协议的IterableDataset的子类的示例，表示可迭代的数据样本
所以你的代码应该写为：

from torch.utils.data import IterableDataset

class MyIterableDataset(IterableDataset):
    def __init__(self, iterable):
        self.iterable = iterable

    def __iter__(self):
        return iter(self.iterable)

...

train_dataloader = DataLoader(MyIterableDataset(example_iterator()),
                              batch_size = BATCH_SIZE,
                              shuffle=False)