java - ND4J DL4J 将数据获取到 fit 方法中

Question

我有一个 INDArray 数据，它是 x 的返回值，如下所示:

    private static INDArray createDataSet(String path)throws Exception {

    List<String> lines = IOUtils.readLines(new FileInputStream(path), StandardCharsets.UTF_8);

    double[] position = new double[lines.size()];
    double[] year = new double[lines.size()];
    double[] month = new double[lines.size()];
    double[] day = new double[lines.size()];
    double[] close = new double[lines.size()];

    int linecount = 0;
    Iterator<String> it = lines.iterator();
    while(it.hasNext()) {
        String line = it.next();

            String[] parts = line.split(",");

            position[linecount] = linecount;
            year[linecount] =  Double.valueOf(parts[0]);
            month[linecount] =  Double.valueOf(parts[1]);
            day[linecount] =  Double.valueOf(parts[2]);
            close[linecount] = Double.valueOf(parts[5]);

            linecount++;
    }//endloop


    double[][] arr2D = new double[][] {position, year, month, day, close};
    INDArray x = Nd4j.createFromArray(arr2D);

    return x;

}

我正在尝试复制 csvplotter 示例并使用单个输入/输出网络执行线性回归。

如何将数组 row(0) 作为特征加载，将数组 row(4) 作为标签加载？

更多信息:

    System.out.println(ds.rank());
    long[] l  = ds.shape();
    System.out.println(l[0] + " , " + l[1] + "  -  " + l.length);
    System.out.println(ds.length());

结果:

2,
5, 1260 -2
6300

为了清楚起见，这是我的问题:

       for (int i = 0; i < nEpochs; i++) {

       net.fit(d);
    }

根据我尝试添加数据的方式，会导致各种错误

Answer 1

虽然我还没有得到答案，但我意识到了我的问题。根据 csv 绘图仪示例中的注释，我假设 indarray 的行被传递到输入。然而，实际传递给输入的是列。

通过转置 INDArray 并添加两列，我需要网络处理数据。

INDArray ds;
     ds = ds.transpose();
        DataSet ddd = new DataSet();
        ddd.setFeatures(ds.getColumn(0, true)); //true maintains matrix instead of vector
        ddd.setLabels(ds.getColumn(4, true));
        ddd.dataSetBatches(500);
        System.out.println(ddd);

我的打印输出:

===========INPUT===================
[[0], 
 [1.0000], 
 [2.0000], 
  ..., 
 [1257.0000], 
 [1258.0000], 
 [1259.0000]]
=================OUTPUT==================
[[540.3100], 
 [536.7000], 
 [533.3300], 
  ..., 
 [1431.8199], 
 [1439.2200], 
 [1436.3800]]

虽然训练不成功，但这确实回答了我最初的问题。