利用shuffle参数进行相邻批量采样和随机批量采样。

　　shuffle中文意思是洗牌，在各大机器学习框架中都有他的身影。这里主要讲在mxnet利用shuffle参数进行相邻批量采样和随机批量采样。
　　相邻批量采样：一般用在对数据顺序比较依赖的情况，如RNN等网络。
　　随机批量采样：用在对顺序无所谓的情况下，能够加快训练速度，如CNN，DNN等网络。
　　
　　

１，shuffle=False，表示不洗牌，即进行相邻批量采样，一般都是默认False。例子如下：

from mxnet import gluon
import mxnet.ndarray as nd
x = nd.reshape(nd.arange(6), shape=(6, 1))
y = nd.reshape(nd.arange(6), shape=(6, 1))
train_data = gluon.data.DataLoader(gluon.data.ArrayDataset(x, y), batch_size=2, shuffle=False)
for j, (data, label) in enumerate(train_data):
    print(data, label)

out：     # 可见是顺利按相邻批量遍历数据集
[[ 0.]
 [ 1.]]
<NDArray 2x1 @cpu(0)> 
[[ 0.]
 [ 1.]]
<NDArray 2x1 @cpu(0)>

[[ 2.]
 [ 3.]]
<NDArray 2x1 @cpu(0)> 
[[ 2.]
 [ 3.]]
<NDArray 2x1 @cpu(0)>

[[ 4.]
 [ 5.]]
<NDArray 2x1 @cpu(0)> 
[[ 4.]
 [ 5.]]
<NDArray 2x1 @cpu(0)>

1，shuffle=True，表示洗牌，即进行随机批量采样。例子如下：

from mxnet import gluon
import mxnet.ndarray as nd
x = nd.reshape(nd.arange(6), shape=(6, 1))
y = nd.reshape(nd.arange(6), shape=(6, 1))
train_data = gluon.data.DataLoader(gluon.data.ArrayDataset(x, y), batch_size=2, shuffle=True)
for j, (data, label) in enumerate(train_data):
    print(data, label) 

out：  # 可见是随机按批量遍历数据集
[[ 3.]
 [ 2.]]
<NDArray 2x1 @cpu(0)> 
[[ 3.]
 [ 2.]]
<NDArray 2x1 @cpu(0)>

[[ 4.]
 [ 0.]]
<NDArray 2x1 @cpu(0)> 
[[ 4.]
 [ 0.]]
<NDArray 2x1 @cpu(0)>

[[ 1.]
 [ 5.]]
<NDArray 2x1 @cpu(0)> 
[[ 1.]
 [ 5.]]
<NDArray 2x1 @cpu(0)>