¿Es necesario poner shuffle en DataLoader?

Sí, generalmente en DataLoader para entrenar modelos de aprendizaje automático se recomienda establecer el parámetro shuffle=True. Esto ayuda a mezclar aleatoriamente los datos en cada época, lo que contribuye a una mejor capacidad de generalización del modelo y previene el sobreajuste en el orden de los datos.

Sin embargo, para validación y prueba generalmente se usa shuffle=False, para que los resultados sean reproducibles y consistentes.

Ejemplo en PyTorch:

from torch.utils.data import DataLoader

data_loader = DataLoader(dataset, batch_size=32, shuffle=True)  # para entrenamiento
val_loader = DataLoader(val_dataset, batch_size=32, shuffle=False)  # para validación