“无效的分类数据：期望标签值”

Question

我正在尝试在 java 中使用深度学习来训练模型，当我开始训练训练数据时它会出错Invalid classification data: expect label value (at label index column = 0) to be in range 0 to 1 inclusive (0 to numClasses-1, with numClasses=2); got label value of 2我不明白这个错误，因为我是深度学习 4j 的初学者。我正在使用一个查看两个人之间关系的数据集（如果两个人之间存在关系，那么类标签将为 1，否则为 0）。Java 代码public class SNA {private static Logger log = LoggerFactory.getLogger(SNA.class);public static void main(String[] args) throws Exception {    int seed = 123;    double learningRate = 0.01;    int batchSize = 50;    int nEpochs = 30;    int numInputs = 2;    int numOutputs = 2;    int numHiddenNodes = 20;    //load the training data    RecordReader rr = new CSVRecordReader(0,",");    rr.initialize(new FileSplit(new File("C:\\Users\\GTS\\Desktop\\SNA project\\experiments\\First experiment\\train\\slashdotTrain.csv")));    DataSetIterator trainIter = new RecordReaderDataSetIterator(rr, batchSize,0, 2);    // load test data    RecordReader rrTest = new CSVRecordReader();    rr.initialize(new FileSplit(new File("C:\\Users\\GTS\\Desktop\\SNA project\\experiments\\First experiment\\test\\slashdotTest.csv")));    DataSetIterator testIter = new RecordReaderDataSetIterator(rrTest, batchSize,0, 2);    log.info("**** Building Model ****");    MultiLayerConfiguration conf = new NeuralNetConfiguration.Builder()            .seed(seed)            .optimizationAlgo(OptimizationAlgorithm.STOCHASTIC_GRADIENT_DESCENT)            .iterations(1)            .learningRate(learningRate)            .updater(Updater.NESTEROVS).momentum(0.9)            .list()            .layer(0, new DenseLayer.Builder()                    .nIn(numInputs)                    .nOut(numHiddenNodes)                    .activation("relu")                    .weightInit(WeightInit.XAVIER)                    .build())    }}}有什么帮助吗？多谢

Answer 1

解决问题：将RecordReaderDataSetIteratorin的第三个参数
DataSetIterator testIter = new RecordReaderDataSetIterator(rrTest, batchSize,0, 2);由0改为2；因为数据集有三列，类标签的索引是 2，因为它是第三列。

解决方案：

DataSetIterator trainIter = new RecordReaderDataSetIterator(rr, batchSize,2, 2);