由于LSTM RNN使用之前的事件来预测当前序列，为什么我们要洗牌训练数据呢？这样做不会破坏训练数据的时间顺序吗？在经过洗牌后的训练数据上训练后，它如何仍然有效地进行预测？

回答：

一般来说，当你洗牌训练数据（一组序列）时，你洗牌的是序列被输入到RNN的顺序，而非单个序列内部的顺序。当你的网络是无状态的，这样做是可以的：

无状态情况：

网络的记忆只在序列持续期间存在。在序列B之前训练序列A并不重要，因为网络的记忆状态不会跨序列保留。

另一方面：

有状态情况：

网络的记忆会跨序列保留。在这种情况下，你不能盲目地洗牌数据并期望获得最佳结果。序列A应该在序列B之前被输入到网络中，因为A在B之前，我们希望网络在评估序列B时能够记住序列A的内容。