如果按顺序构建模型，tensorflow shuffle 和 batch 是否必要？
tensorflow shuffle and batch necessary if building the model sequentially?
我正在查看循环神经网络演练 here。在教程中，他们有一个行项目：
dataset = dataset.shuffle(BUFFER_SIZE).batch(BATCH_SIZE, drop_remainder=True)
但是，如果您要进行顺序构建，是否仍然有必要？查看 sequential 文档，自动执行随机播放？如果不是，为什么要在这里完成？有效果的简单数值例子吗？
tf.keras.models.Sequential 也可以对数据进行批处理和混洗，类似于 tf.data.Dataset 所做的。 Sequential 中提供了这些预处理功能，因为它可以采用多种类型的数据，例如 NumPy 数组、tf.data.Dataset、dict 对象以及 tf.keras.utils.Sequence.
tf.data.Dataset API 提供这些功能是因为 API 与其他 TensorFlow API 一致（其中不涉及 Keras）。
我认为洗牌和批处理不需要进行两次。如果你愿意，你可以删除它，它不会影响模型的训练。我认为作者想使用 tf.data.Dataset 将数据导入 Keras 模型。 dataset.shuffle( ... ).batch( ... ) 已经和 Dataset 口语化了。
我正在查看循环神经网络演练 here。在教程中，他们有一个行项目：
dataset = dataset.shuffle(BUFFER_SIZE).batch(BATCH_SIZE, drop_remainder=True)
但是，如果您要进行顺序构建，是否仍然有必要？查看 sequential 文档，自动执行随机播放？如果不是，为什么要在这里完成？有效果的简单数值例子吗？
tf.keras.models.Sequential 也可以对数据进行批处理和混洗，类似于 tf.data.Dataset 所做的。 Sequential 中提供了这些预处理功能，因为它可以采用多种类型的数据，例如 NumPy 数组、tf.data.Dataset、dict 对象以及 tf.keras.utils.Sequence.
tf.data.Dataset API 提供这些功能是因为 API 与其他 TensorFlow API 一致（其中不涉及 Keras）。
我认为洗牌和批处理不需要进行两次。如果你愿意，你可以删除它，它不会影响模型的训练。我认为作者想使用 tf.data.Dataset 将数据导入 Keras 模型。 dataset.shuffle( ... ).batch( ... ) 已经和 Dataset 口语化了。