基本问题是尝试使用自定义数据模型创建要在deeplearning4j网络中使用的DataSetIterator。
我要使用的数据模型是一个Java类，其中包含一堆双打，这些双打是根据特定股票的报价创建的，例如时间戳，开盘价，开盘价，收盘价，高价，低价，交易量，技术指标1，技术指标2等等。我查询一个互联网资源，例如，（还有来自同一站点的其他几个指标）提供了json字符串，我将其转换为数据模型以便于访问并存储在sqlite数据库中。
现在，我有了这些数据模型的清单，我想用它们来训练LSTM网络，每个模型都是一个功能。根据Deeplearning4j文档和一些示例，使用训练数据的方法是使用此处描述的ETL流程创建一个DataSetIterator，然后供网络使用。
我看不到一种干净的方法，无需首先将它们转换为其他格式，例如CSV或其他文件，就可以使用提供的RecordReader转换数据模型。我想避免这种情况，因为它会占用大量资源。似乎会有更好的方法来处理此简单案例。有什么更好的方法我只是想念吗？
我们正在使用神经网络开发Java项目.我们想在我们的数据集上测试不同的网络结构.现在我们评估哪个Java神经网络在性能方面是最好的.我们正在评估Encog,Neuroph和DL4J.你能告诉我们一些好的资源或你自己的经历吗？谢谢
文档说库在GPU上运行.如果我的强大笔记本电脑没有GPU,我还可以运行Deeplearning4J吗？
我正在尝试使用 LSTM 在 Deeplearning4j 中进行一些简单的时间序列预测，但我很难让它工作。我有一个简单的文本文件，其中包含如下所示的数字列表，并希望网络学习预测下一个数字。有没有这方面的示例代码？我发现的 Java 示例似乎都与图像处理和分类有关。
112
118
132
129
121
135
148
...
我的输入数据应如何针对 Deeplearning4j 中的 model.fit 进行标准化？
目前我对大量数据进行了迭代。
我可以看到有些人标准化了完整的数据集。
在我看来，每次迭代的数据集在之前进行标准化更为合乎逻辑model.fit。
是否有一些在迭代器内编码规范化的最佳实践？
那么预测的输入呢？
我的道歉自我的问题以来听起来很愚蠢。但是我在深度学习和咖啡方面还很陌生。我们如何才能检测到需要多少次迭代才能在我们自己的数据集上微调预训练？例如，我为5个类的数据运行fcn32。何时可以通过查看训练阶段的损失和准确性来停止微调过程？
非常感谢