[Bug]: 自定义数据集 __getitem__ 中直接return self属性(dict数据) + dataset.batch(1)操作时，且是主线程/多线程模式时，输出结果有误

### Checklist

- [x] 1. 我已经搜索过相关问题，但没有得到预期的帮助. (https://gitee.com/mindspore/mindspore/issues)
- [x] 2. 最新版本中该错误尚未修复.
- [x] 3. 请注意，如果您提交的Bug描述缺少相应的环境信息和最小可复现的demo，我们将很难复现和解决该问题，从而降低收到反馈的可能性，甚至该问题将被关闭.

### 🐞 问题详细描述

#复现用例：
## 单线程模式 - 失败
```
import numpy as np
from mindspore.dataset import GeneratorDataset
import copy

# Random-accessible object as input source
class RandomAccessDataset:
    def __init__(self):
        self._data = np.ones((5, 2))
        self._label = {"mask": np.zeros((1,))}
    def __getitem__(self, index):
        # return self._data[index], copy.deepcopy(self._label)
        return self._data[index], self._label
    def __len__(self):
        return len(self._data)

loader = RandomAccessDataset()
dataset = GeneratorDataset(source=loader, column_names=["data", "label"])
dataset = dataset.batch(1)

for data in dataset.create_dict_iterator():
    print(data)
```
结果，可以看到输出的5条数据，其中的 label 字段的shape均变成了 [1,1,1,1,1,1]，这个是错误的：
```
{'data': Tensor(shape=[1, 2], dtype=Float64, value=
[[1., 1.]]), 'label': {'mask': Tensor(shape=[1, 1, 1, 1, 1, 1], dtype=Float64, value=
[[[[[[0.]]]]]])}}
{'data': Tensor(shape=[1, 2], dtype=Float64, value=
[[1., 1.]]), 'label': {'mask': Tensor(shape=[1, 1, 1, 1, 1, 1], dtype=Float64, value=
[[[[[[0.]]]]]])}}
{'data': Tensor(shape=[1, 2], dtype=Float64, value=
[[1., 1.]]), 'label': {'mask': Tensor(shape=[1, 1, 1, 1, 1, 1], dtype=Float64, value=
[[[[[[0.]]]]]])}}
{'data': Tensor(shape=[1, 2], dtype=Float64, value=
[[1., 1.]]), 'label': {'mask': Tensor(shape=[1, 1, 1, 1, 1, 1], dtype=Float64, value=
[[[[[[0.]]]]]])}}
{'data': Tensor(shape=[1, 2], dtype=Float64, value=
[[1., 1.]]), 'label': {'mask': Tensor(shape=[1, 1, 1, 1, 1, 1], dtype=Float64, value=
[[[[[[0.]]]]]])}}
```

## 多线程模式 - 失败
```
import numpy as np
from mindspore.dataset import GeneratorDataset
import copy

# Random-accessible object as input source
class RandomAccessDataset:
    def __init__(self):
        self._data = np.ones((5, 2))
        self._label = {"mask": np.zeros((1,))}
    def __getitem__(self, index):
        # return self._data[index], copy.deepcopy(self._label)
        return self._data[index], self._label
    def __len__(self):
        return len(self._data)

loader = RandomAccessDataset()
dataset = GeneratorDataset(source=loader, column_names=["data", "label"],
                           num_parallel_workers=4, python_multiprocessing=False)
dataset = dataset.batch(1)

for data in dataset.create_dict_iterator():
    print(data)
```
结果，可以看到输出的5条数据，其中的 label 字段的shape也是不正确的：
```
{'data': Tensor(shape=[1, 2], dtype=Float64, value=
[[1., 1.]]), 'label': {'mask': Tensor(shape=[1, 1], dtype=Float64, value=
[[0.]])}}
{'data': Tensor(shape=[1, 2], dtype=Float64, value=
[[1., 1.]]), 'label': {'mask': Tensor(shape=[1, 1, 1, 1, 1], dtype=Float64, value=
[[[[[0.]]]]])}}
{'data': Tensor(shape=[1, 2], dtype=Float64, value=
[[1., 1.]]), 'label': {'mask': Tensor(shape=[1, 1, 1, 1, 1, 1], dtype=Float64, value=
[[[[[[0.]]]]]])}}
{'data': Tensor(shape=[1, 2], dtype=Float64, value=
[[1., 1.]]), 'label': {'mask': Tensor(shape=[1, 1, 1, 1, 1, 1], dtype=Float64, value=
[[[[[[0.]]]]]])}}
{'data': Tensor(shape=[1, 2], dtype=Float64, value=
[[1., 1.]]), 'label': {'mask': Tensor(shape=[1, 1, 1, 1, 1, 1], dtype=Float64, value=
[[[[[[0.]]]]]])}}
```

以上问题修复方式如下：在 __getitem__ 中 return self属性(dict) 数据时，给其添加 copy.deepcopy(self属性)，隔离自定义数据集中数据与框架中数据，这样结果就是正确的。

## 多进程模式 - 成功 
```
import numpy as np
from mindspore.dataset import GeneratorDataset
import copy

# Random-accessible object as input source
class RandomAccessDataset:
    def __init__(self):
        self._data = np.ones((5, 2))
        self._label = {"mask": np.zeros((1,))}
    def __getitem__(self, index):
        # return self._data[index], copy.deepcopy(self._label)
        return self._data[index], self._label
    def __len__(self):
        return len(self._data)

loader = RandomAccessDataset()
dataset = GeneratorDataset(source=loader, column_names=["data", "label"],
                           num_parallel_workers=4, python_multiprocessing=True)
dataset = dataset.batch(1)

for data in dataset.create_dict_iterator():
    print(data)
```
结果，可以看到输出的5条数据，shape是 [1, 1]，结果正确：
```
{'data': Tensor(shape=[1, 2], dtype=Float64, value=
[[1., 1.]]), 'label': {'mask': Tensor(shape=[1, 1], dtype=Float64, value=
[[0.]])}}
{'data': Tensor(shape=[1, 2], dtype=Float64, value=
[[1., 1.]]), 'label': {'mask': Tensor(shape=[1, 1], dtype=Float64, value=
[[0.]])}}
{'data': Tensor(shape=[1, 2], dtype=Float64, value=
[[1., 1.]]), 'label': {'mask': Tensor(shape=[1, 1], dtype=Float64, value=
[[0.]])}}
{'data': Tensor(shape=[1, 2], dtype=Float64, value=
[[1., 1.]]), 'label': {'mask': Tensor(shape=[1, 1], dtype=Float64, value=
[[0.]])}}
{'data': Tensor(shape=[1, 2], dtype=Float64, value=
[[1., 1.]]), 'label': {'mask': Tensor(shape=[1, 1], dtype=Float64, value=
[[0.]])}}
```

### 详细的环境信息描述

linux cpu

### 其他辅助信息

问题分析：
在自定义数据集使用单线程 / 多线程模式 时，将 self属性(dict) 返回给 框架 时，框架中也使用的是 用户自定义数据集中 self属性(dict)，在 batch(1) 时，直接修改了 self.属性(dict)本身，导致最终输出结果错误。

### 版本信息

mindspore master

GVP MindSpore/mindspore
关闭

内容风险标识

[Bug]: 自定义数据集 getitem 中直接return self属性(dict数据) + dataset.batch(1)操作时，且是主线程/多线程模式时，输出结果有误

评论 (3)

GVPMindSpore/mindspore关闭

内容风险标识

评论 (3)

搜索帮助

GVP MindSpore/mindspore
关闭

[Bug]: 自定义数据集 getitem 中直接return self属性(dict数据) + dataset.batch(1)操作时，且是主线程/多线程模式时，输出结果有误