既然LSTM RNN使用以前的事件来预测当前序列，为什么我们要洗牌训练数据？我们不是失去了训练数据的时间顺序吗？在接受洗牌训练数据训练后，它如何仍然有效地进行预测？
通常，当您洗牌训练数据（一组序列）时，您洗牌序列馈送到RNN的顺序，而不是洗牌单个序列中的顺序。当您的网络处于无状态时，可以这样做：
无国籍案件：
网络内存仅在序列的持续时间内存在。在序列A之前对序列B进行训练并不重要，因为网络的内存状态不会在序列之间持续。
另一方面：
状态案例：
网络的内存跨序列保存。在这里，您不能盲目地洗牌您的数据并期望最佳结果。序列A应该在序列B之前被馈送到网络，因为A在序列B之前，我们希望网络用序列A中的记忆来评估序列B。
