Вхождения не могут быть отрицательной ошибкой

Question

Черт, я использую простую регрессию. Моя конфигурация сети, как показано ниже

    MultiLayerConfiguration conf = new NeuralNetConfiguration.Builder()
            .seed(seed)
            .iterations(1)
            .optimizationAlgo(OptimizationAlgorithm.STOCHASTIC_GRADIENT_DESCENT)
            .learningRate(learningRate)
            .updater(Updater.NESTEROVS)
            .weightInit(WeightInit.XAVIER)
            .list()
            .layer(0, new DenseLayer.Builder().nIn(numInputs).nOut(numHiddenNodes)
                    .activation(Activation.RELU)
                    .build())

            .layer(1, new DenseLayer.Builder().nIn(numHiddenNodes).nOut(numHiddenNodes)
                    .activation(Activation.RELU)
                    .build())

            .layer(2, new OutputLayer.Builder(LossFunctions.LossFunction.MSE)
                    .activation(Activation.RELU)
                    .nIn(numHiddenNodes).nOut(numOutputs).build())
            .pretrain(false).backprop(true).build();

Я получаю следующую ошибку

Исключение в потоке "main" java.lang.IllegalArgumentException: вхождения не могут быть отрицательными: -992 на com.google.common.base.Preconditions.checkArgument(Preconditions.java:145) на com.google.common.collect.AbstractMapBasedMultiset.add(AbstractMapBasedMultiset.java:218) на com.google.common.collect.HashMultiset.add(HashMultiset.java:34).

Это практический кодекс. Я получаю эту ошибку, когда пытаюсь оценить модель. Само обучение модели проходит нормально, но не дает оценки. Любая идея.

Answer 1

Я не норализовал метки ранее preProcessor.fitLabel(true) в моем препроцессоре, чтобы нормализовать метки, а также входные данные.