Faut-il mettre shuffle dans DataLoader ?

Oui, il est généralement recommandé de définir le paramètre shuffle=True dans le DataLoader lors de l'entraînement de modèles d'apprentissage automatique. Cela aide à mélanger aléatoirement les données à chaque époque, ce qui favorise une meilleure capacité de généralisation du modèle et évite le surapprentissage de l'ordre des données.

Cependant, pour la validation et le test, on utilise généralement shuffle=False pour que les résultats soient reproductibles et cohérents.

Exemple en PyTorch:

from torch.utils.data import DataLoader

data_loader = DataLoader(dataset, batch_size=32, shuffle=True)  # pour l'entraînement
val_loader = DataLoader(val_dataset, batch_size=32, shuffle=False)  # pour la validation