建立CNN模型时，转换数据的顺序是否重要？

Question

我正在查看位于here的Keras CNN示例，并且看到输入数据具有随机改组的正面和负面情绪训练样本。我想知道CNN是否对训练数据的排序敏感。

为清楚起见：如果我的y_train的形状为100x1，其中所有正情绪为0-50，负情绪为50-100，则与每个偶数索引具有正情绪且奇数索引具有负数时相比，结果是否会有所不同否定的？

Answer 1

在批量训练神经网络时对数据进行混洗可能对模型的性能至关重要。 here在数据科学stackexchange上对此主题进行了更详细的讨论。 我只想补充说，例如，在进行交叉验证时，混洗通常对模型评估很有帮助。在每个训练测试折叠中，您都希望有随机样本，以确保模型可以很好地泛化。

Answer 2

从理论上讲，对于最后一个时期，如果样本的后半部分仅是正数，则您的模型可能会对正数略有偏差。但是，这就是为什么Keras的fit（）函数具有随机播放功能的原因，因此它可以随机播放每个时期的训练样本，以确保没有偏差，并且您的模型可以在不同批次上进行训练，可以从许多不同角度查看问题。除非您有理由相信自己不应该这样做，否则我绝对会推荐它。