shuffle 就是为了避免数据投入的顺序对网络训练造成影响。
增加随机性，提高网络的泛化性能，避免因为有规律的数据出现，导致权重更新时的梯度过于极端，避免最终模型过拟合或欠拟合。
因为按照某些顺序投入容易在训练中走偏或陷入局部最优使得训练效果出现差异，尤其是当 batch size 比较小的时候。
关于 data.shuffle(buffer_size) 的学习
最后
以上就是落后胡萝卜最近收集整理的关于深度学习：shuffle 的作用的全部内容，更多相关深度学习：shuffle内容请搜索靠谱客的其他文章。
本图文内容来源于网友提供，作为学习参考使用，或来自网络收集整理，版权属于原作者所有。
发表评论 取消回复