Java Can'；t将侦听器强制转换为集合，DL4J

我是第一次和dl4j一起工作，所以对我放松点

我编写了以下简单的程序

import org.datavec.api.records.reader.RecordReader;
import org.datavec.api.records.reader.impl.csv.CSVRecordReader;
import org.datavec.api.split.FileSplit;
import org.deeplearning4j.datasets.datavec.RecordReaderDataSetIterator;
import org.deeplearning4j.nn.api.OptimizationAlgorithm;
import org.deeplearning4j.nn.conf.MultiLayerConfiguration;
import org.deeplearning4j.nn.conf.NeuralNetConfiguration;
import org.deeplearning4j.nn.conf.Updater;
import org.deeplearning4j.nn.conf.layers.DenseLayer;
import org.deeplearning4j.nn.conf.layers.OutputLayer;
import org.deeplearning4j.nn.multilayer.MultiLayerNetwork;
import org.deeplearning4j.nn.weights.WeightInit;
import org.deeplearning4j.optimize.listeners.ScoreIterationListener;
import org.nd4j.linalg.api.ndarray.INDArray;
import org.nd4j.linalg.dataset.DataSet;
import org.nd4j.linalg.dataset.api.iterator.DataSetIterator;
import org.nd4j.linalg.lossfunctions.LossFunctions;
import org.deeplearning4j.eval.Evaluation;

import java.io.File;
import java.util.Collection;


public class MLPClassifierLinear
{
    public static void main(String[] args) throws Exception
    {
        int seed = 123;
        double learnRate = 0.01;
        int batchSize = 50;
        int nEpochs = 30;
        int numInputs = 2;
        int numOutputs = 2;
        int numHiddenNodes = 20;
        int labelField = 0;
        int numOfLabels = 2;

        //Load Training Data
        RecordReader rr = new CSVRecordReader();
        rr.initialize(new FileSplit(new File("C:\\Users\\Oria\\MLP\\linear_data_train.csv")));
        DataSetIterator trainIter = new RecordReaderDataSetIterator(rr, batchSize,0,2);

        //Load Testing Data
        RecordReader rrTest = new CSVRecordReader();
        rrTest.initialize(new FileSplit(new File("C:\\Users\\Oria\\MLP\\linear_data_eval.csv")));
        DataSetIterator testIter = new RecordReaderDataSetIterator(rrTest, batchSize,0,2);

        MultiLayerConfiguration conf = new NeuralNetConfiguration.Builder()
                .seed(seed)
                .iterations(1)
                .optimizationAlgo(OptimizationAlgorithm.STOCHASTIC_GRADIENT_DESCENT)
                .learningRate(learnRate)
                .updater(Updater.NESTEROVS).momentum(0.9)
                .list()
                .layer(0, new DenseLayer.Builder()
                        .nIn(numInputs)
                        .nOut(numHiddenNodes)
                        .weightInit(WeightInit.XAVIER)
                        .activation("relu")
                        .build())
                .layer(1, new OutputLayer.Builder(LossFunctions.LossFunction.NEGATIVELOGLIKELIHOOD)
                        .weightInit(WeightInit.XAVIER)
                        .activation("softmax")
                        .nIn(numHiddenNodes)
                        .nOut(numOutputs)
                        .build())
                .pretrain(false).backprop(true).build();

        MultiLayerNetwork model = new MultiLayerNetwork(conf);
        model.init();
        model.setListeners(new ScoreIterationListener(10));

        for(int i = 0; i < nEpochs; i++)
            model.fit(trainIter);

        System.out.println("Evaluate model.......");
        Evaluation eval = new Evaluation(numOutputs);
        while(testIter.hasNext())
        {
            DataSet t = testIter.next();
            INDArray features = t.getFeatureMatrix();
            INDArray lables = t.getLabels();
            INDArray predicted = model.output(features,false);
            eval.eval(lables,predicted);
        }
        System.out.println(eval.stats());
    }
}

import org.datavec.api.records.reader.RecordReader；
导入org.datavec.api.records.reader.impl.csv.CSVRecordReader；
导入org.datavec.api.split.FileSplit；
导入org.deeplearning4j.datasets.datavec.RecordReaderDataSetIterator；
导入org.deeplearning4j.nn.api.OptimizationAlgorithm；
导入org.deeplearning4j.nn.conf.MultiLayerConfiguration；
导入org.deeplearning4j.nn.conf.NeuralNetConfiguration；
导入org.deeplearning4j.nn.conf.Updater；
导入org.deeplearning4j.nn.conf.layers.DenseLayer；
导入org.deeplearning4j.nn.conf.layers.OutputLayer；
导入org.deeplearning4j.nn.multilayer.multilayer网络；
导入org.deeplearning4j.nn.weights.WeightInit；
导入org.deeplearning4j.optimize.listeners.ScoreIterationListener；
导入org.nd4j.linalg.api.ndarray.INDArray；
导入org.nd4j.linalg.dataset.dataset；
导入org.nd4j.linalg.dataset.api.iterator.DataSetIterator；
导入org.nd4j.linalg.lossfunctions.lossfunctions；
导入org.deeplearning4j.eval.Evaluation；
导入java.io.File；
导入java.util.Collection；
公共类MLPClassifierLinear
{
公共静态void main（字符串[]args）引发异常
{
int seed=123；
双学习率=0.01；
int batchSize=50；
int-nEpochs=30；
int numinput=2；
int numOutputs=2；
int numhiddenneds=20；
int-labelField=0；
int numOfLabels=2；
//负荷训练数据
RecordReader rr=新的CSVRecordReader（）；
rr.initialize（新文件分割（新文件（“C:\\Users\\Oria\\MLP\\linear\u data\u train.csv”））；
DataSetIterator trainIter=新的RecordReaderDataSetIterator（rr，batchSize，0,2）；
//负载测试数据
RecordReader rrTest=新的CSVRecordReader（）；
rrTest.initialize（新文件（新文件（“C:\\Users\\Oria\\MLP\\linear\u data\u eval.csv”））；
DataSetIterator Tester=新的RecordReaderDataSetIterator（rrTest，batchSize，0,2）；
多层配置conf=new NeuralNetConfiguration.Builder（）
.种子
.迭代次数（1）
.优化算法（优化算法.随机梯度下降）
.学习率（learnRate）
.updater（updater.NESTEROVS）.momentum（0.9）
.list（）
.layer（0，新的DenseLayer.Builder（）
.nIn（numInputs）
.nOut（numhiddenodes）
.weightInit（weightInit.XAVIER）
.激活（“relu”）
.build（））
.layer（1，新的OutputLayer.Builder（LossFunctions.LossFunction.NegativeLosGlikeliHood）
.weightInit（weightInit.XAVIER）
.激活（“softmax”）
.nIn（纽黑德）
.nOut（numOutputs）
.build（））
.pretrain（false）.backprop（true）.build（）；
多层网络模型=新的多层网络（conf）；
model.init（）；
setListeners（新的ScoreIterationListener（10））；
对于（int i=0；i

代码应该可以正常工作。这是一本关于dl4j的著名教程的副本

但是，代码不会编译。我在model.SetListeners行中得到一个错误，“类型MultiLayerNetwork中的方法SetListeners（Collection）不适用于参数（ScoreIterationListener）”

当我将其更改为“model.setListeners（（Collection）new ScoreIterationListener（10））；”时，编译错误消失了，但我在线程“main”java.lang.ClassCastException中得到了一个运行时错误“Exception:org.deeplearning4j.optimize.listeners.ScoreIterationListener无法转换为java.util.Collection 位于MLPClassifierLinear.main（MLPClassifierLinear.java:71）”

---

发生什么事了？任何有dl4j经验的人都可以帮助我解决这个问题？

我将从我们的示例开始，确保您使用的是最新版本（撰写本文时为0.7.2）：

MultiLayerNetwork.setListeners在IterationListener上具有变量args：

---

我感觉真正的根本原因可能是其他原因？

可能是其他原因。我已经对它进行了修补，现在得到了java.lang.ClassNotFoundException:org.bytedeco.javacpp.openblas异常。我想我的dl4j安装没有什么问题，而是有其他问题。CSVExample不工作。还说“java.lang.ClassNotFoundException:org.bytedeco.javacpp.openblas”，你能提出一个问题吗？我显然遗漏了一些东西：我们没有在gitter频道看到这一点。这个例子很好用。