在PyTorch中加载自己的数据集，一般可以通过自定义数据集类和数据加载器来实现。下面是一个简单的示例：

创建自定义数据集类：

import torch
from torch.utils.data import Dataset
class CustomDataset(Dataset):
    def __init__(self, data):
        self.data = data
    def __len__(self):
        return len(self.data)
    def __getitem__(self, index):
        sample = self.data[index]
        return sample

准备数据集并实例化自定义数据集类：

# 准备数据集
data = [[1, 2, 3], [4, 5, 6], [7, 8, 9]]
# 实例化自定义数据集类
dataset = CustomDataset(data)

创建数据加载器：

from torch.utils.data import DataLoader
# 创建数据加载器
dataloader = DataLoader(dataset, batch_size=2, shuffle=True)

使用数据加载器迭代数据集：

for batch in dataloader:
    print(batch)

以上就是使用PyTorch加载自定义数据集的简单示例。在实际应用中，你可能需要根据数据集的具体情况来修改自定义数据集类中的方法，并根据需求设置数据加载器的参数。