使用DataFeeder传入训练/预测数据

    用户创建 DataFeeder 对象的方式为：

    iterable 应为Python List或Tuple类型对象，且 iterable 的每个元素均为长度为N的Python List或Tuple类型对象，其中N为创建 DataFeeder 对象时传入的 feed_list 变量个数。

    1. iterable = [
    2.     (image_2, label_2),
    3.     (image_n, label_n)

    其中，image_i 与 label_i 均为numpy array类型数据。若传入数据的维度为[1]，如 ,则可传入Python int、float等类型数据。 image_i 与 label_i 的数据类型和维度不必与 fluid.layers.data() 创建时指定的 dtype 和 shape 完全一致，DataFeeder 内部会完成数据类型和维度的转换。若 feed_list 中的变量的 lod_level 不为零，则Fluid会将经过维度转换后的 中每行数据的第0维作为返回结果的 LoD。