dataloader shuffle

在使用 DataLoader 进行数据加载时，shuffle 参数用于指定是否对数据进行随机洗牌（即打乱顺序）。当 shuffle 参数设置为 True 时，数据会在每个 epoch（一次完整的数据集遍历）开始时被随机打乱顺序。这样可以帮助模型更好地学习数据的特征，避免模型对数据的顺序产生依赖。

例如，在 PyTorch 中可以使用以下方式创建一个 DataLoader 并设置 shuffle 参数为 True：

import torch
from torch.utils.data import DataLoader

dataset = MyDataset()  # 自定义的数据集
dataloader = DataLoader(dataset, batch_size=32, shuffle=True)

这样创建的 DataLoader 在每个 epoch 开始时都会将数据随机打乱顺序，然后按照指定的 batch_size（批量大小）返回数据。这样可以确保每个 batch 中的数据是随机抽取的，有利于模型训练的稳定性和泛化能力。