Deep learning 使用MNIST deeplearning4j示例时出现代码错误

请帮帮我！我正在使用

deeplearning4j

进行一个项目。MNIST示例运行得很好，但我的数据集出现了一个错误。 我的数据集有两个输出

int height = 45;
int width = 800;
int channels = 1;
int rngseed = 123;
Random randNumGen = new Random(rngseed);
int batchSize = 128;
int outputNum = 2;
int numEpochs = 15;
File trainData = new File("C:/Users/JHP/Desktop/learningData/training");
File testData = new File("C:/Users/JHP/Desktop/learningData/testing");
FileSplit train = new FileSplit(trainData, NativeImageLoader.ALLOWED_FORMATS, randNumGen);
FileSplit test = new FileSplit(testData, NativeImageLoader.ALLOWED_FORMATS, randNumGen);
ParentPathLabelGenerator labelMaker = new ParentPathLabelGenerator();

ImageRecordReader recordReader = new ImageRecordReader(height, width, channels, labelMaker);
ImageRecordReader recordReader2 = new ImageRecordReader(height, width, channels, labelMaker);
recordReader.initialize(train);
recordReader2.initialize(test);

DataSetIterator dataIter = new RecordReaderDataSetIterator(recordReader, batchSize, 1, outputNum);
DataSetIterator testIter = new RecordReaderDataSetIterator(recordReader2, batchSize, 1, outputNum);

DataNormalization scaler = new ImagePreProcessingScaler(0, 1);
scaler.fit(dataIter);
dataIter.setPreProcessor(scaler);

System.out.println("Build model....");
MultiLayerConfiguration conf = new NeuralNetConfiguration.Builder()
        .seed(rngseed)
        .optimizationAlgo(OptimizationAlgorithm.STOCHASTIC_GRADIENT_DESCENT)
        .iterations(1)
        .learningRate(0.006)
        .updater(Updater.NESTEROVS).momentum(0.9)
        .regularization(true).l2(1e-4)
        .list()
        .layer(0,   new DenseLayer.Builder()
                .nIn(height * width)
                .nOut(1000)
                .activation(Activation.RELU)
                .weightInit(WeightInit.XAVIER)
                .build()
                )
        .layer(1, newOutputLayer.Builder(LossFunction.NEGATIVELOGLIKELIHOOD)
                .nIn(1000)
                .nOut(outputNum)
                .activation(Activation.SOFTMAX)
                .weightInit(WeightInit.XAVIER)
                .build()
                )
        .pretrain(false).backprop(true)
        .build();

MultiLayerNetwork model = new MultiLayerNetwork(conf);
model.init();
model.setListeners(new ScoreIterationListener(1));

System.out.println("Train model....");
for (int i = 0; i < numEpochs; i++) {
    try {
        model.fit(dataIter);
    } catch (Exception e) {
        System.out.println(e);
    }
}

int高度=45；
整数宽度=800；
int通道=1；
int rngseed=123；
Random randNumGen=新随机（rngseed）；
int batchSize=128；
int outputNum=2；
int numEpochs=15；
文件trainData=新文件（“C:/Users/JHP/Desktop/learningData/training”）；
文件testData=新文件（“C:/Users/JHP/Desktop/learningData/testing”）；
FileSplit train=新的FileSplit（trainData，NativeImageLoader.ALLOWED_格式，randNumGen）；
FileSplit test=新的FileSplit（testData，NativeImageLoader.ALLOWED_格式，randNumGen）；
ParentPathLabelGenerator labelMaker=新的ParentPathLabelGenerator（）；
ImageRecordReader recordReader=新的ImageRecordReader（高度、宽度、通道、labelMaker）；
ImageRecordReader recordReader2=新的ImageRecordReader（高度、宽度、通道、labelMaker）；
recordReader.initialize（列车）；
recordReader2.初始化（测试）；
DataSetIterator dataIter=新的RecordReaderDataSetIterator（recordReader，batchSize，1，outputNum）；
DataSetIterator testter=新的RecordReaderDataSetIterator（recordReader2，batchSize，1，outputNum）；
DataNormalization scaler=新的ImagePreProcessingScaler（0,1）；
scaler.fit（dataIter）；
数据集预处理器（定标器）；
System.out.println（“构建模型…”）；
多层配置conf=new NeuralNetConfiguration.Builder（）
.种子（RNG种子）
.优化算法（优化算法.随机梯度下降）
.迭代次数（1）
.学习率（0.006）
.updater（updater.NESTEROVS）.momentum（0.9）
.正则化（真）。l2（1e-4）
.list（）
.layer（0，新的DenseLayer.Builder（）
.nIn（高度*宽度）
.nOut（1000）
.activation（activation.RELU）
.weightInit（weightInit.XAVIER）
.build（）
)
.layer（1，newOutputLayer.Builder（LossFunction.NEGATIVELOGLIKELIHOOD）
.nIn（1000）
.nOut（outputNum）
.activation（activation.SOFTMAX）
.weightInit（weightInit.XAVIER）
.build（）
)
.pretrain（假）。backprop（真）
.build（）；
多层网络模型=新的多层网络（conf）；
model.init（）；
setListeners（新的ScoreIterationListener（1））；
System.out.println（“列车模型…”）；
对于（int i=0；i

错误是

org.deeplearning4j.exception.DL4JInvalidInputException：输入 不是矩阵；期望矩阵（秩2），得到具有形状的秩4数组 [128,1,45,800]

---

你把神经网络初始化错了。如果您仔细查看dl4j examples repo中的每个cnn示例（提示：这是您应该从中提取代码的规范源，其他任何内容都可能无效或过时：） 您会注意到，在我们的所有示例中，我们都有一个inputType配置：

您应该使用多种类型，但决不能手动设置nIn。没什么

对于mnist，我们使用卷积平面，并将其转换为4d数据集

---

Mnist从平面向量开始，但cnn只理解3d数据。我们将为您进行转换和重塑。

我认为有必要将DataSetIterator函数更改为另一个函数。在MNIST示例中，这类似于将数据导入函数。DataSeterator MNISTRAIN=新的MNIStDataSeterator（batchSize，true，rngseed）；我不知道该使用什么函数。@TriV TriV非常感谢您让我知道需要改进什么！我不知道，因为我是第一次使用堆栈溢出。非常感谢你！