在深度学习中，数据集的质量对模型的训练和性能至关重要。为了获得更好的训练效果，通常需要将数据集分为训练集、验证集和测试集，并在训练过程中对数据进行随机打乱。MATLAB提供了一些内置函数，可以帮助我们轻松地生成不重复的随机整数并打乱数据排列。

以下是使用MATLAB生成不重复的随机整数并打乱数据排列的步骤：

在MATLAB中，可以使用randperm函数生成一个包含随机整数的数组。为了确保生成的随机数不重复，可以使用unique函数去除重复项。以下是一个示例代码：

在MATLAB中，可以使用randperm函数对数据进行随机打乱。以下是一个示例代码：

在生成不重复的随机整数并打乱数据排列后，您可以使用这些数据来生成深度学习数据集。具体的数据集格式和数据预处理方式取决于您的深度学习模型和任务。以下是一个示例代码，演示如何将打乱的随机数作为输入和标签：

在上面的示例代码中，我们假设输入特征为20维向量，标签为1维向量。您需要根据您的实际情况调整输入大小、标签大小和数据生成方式。最后，我们将输入和标签组合成一个深度学习数据集。

请注意，这只是使用MATLAB生成不重复的随机整数并打乱数据排列的一种方法。根据您的具体需求和数据集规模，您可能需要进一步调整和优化代码以获得更好的性能和准确性。此外，对于大型数据集，您可能需要考虑使用更高效的数据加载和处理方法来加速数据处理过程。