DEEP LEARNING : IntelliJ+MavenでCNN LenetMnistExampleをStandalone作動：AI-Anesth 8

今回の目標は、スタンドアロンのDeep Learning JAVAファイルを生成することである。
DL4jのビルドに悪戦苦闘の週末を過ごす。結果、壁をなんとか乗り越えた。
以下、取り組んだ課題の整理をしておく。
ーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーー
I. Maven pom.xml
ーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーー
pomは、Project Object Modelの意味であり、Apache Mavenで処理されるプロジェクトに関する情報を持つ重要なファイルであり、成果物作成に必要となる対象となる処理ファイルは、すべてsrcフォルダ以下の階層構造に置かれる。このpom.xmlのXML記述そのものが、Mavenに管理されるプログラムのコンパイル/ビルドの仕様である。逆に言えば、ライブラリーのリンクなど、複雑なプログラムの構築については、このpom.xmlファイルさえ、やり取りすればそれで良いということを意味する。したがってpom.xmlを大雑把にも理解する必要がある。
DeepLearning4JのExamplesのpom.xmLを覗いてみよう。日本語コメントを付記しておく。

<?xml version="1.0" encoding="UTF-8"?>
<project xmlns="http://maven.apache.org/POM/4.0.0"
         xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
         xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd">
    <modelVersion>4.0.0</modelVersion>
    <artifactId>dl4j-examples</artifactId>

    <parent> //上位フォルダにあるはずの親POM.XMLの定義。以下${}で変数処理されている部分は、この上位のpom.xmlで定義されている。
        <groupId>org.deeplearning4j</groupId>
        <artifactId>oreilly-book-deeplearning4j-examples-parent</artifactId>
        <version>0.7-SNAPSHOT</version>
    </parent>

    <name>DeepLearning4j Examples</name>

    <repositories>
        <repository>
            <id>snapshots-repo</id>
            <url>https://oss.sonatype.org/content/repositories/snapshots</url>
            <releases>
                <enabled>false</enabled>
            </releases>
            <snapshots>
                <enabled>true</enabled>
            </snapshots>
        </repository>
    </repositories>

    <distributionManagement>
        <snapshotRepository>
            <id>sonatype-nexus-snapshots</id>
            <name>Sonatype Nexus snapshot repository</name>
            <url>https://oss.sonatype.org/content/repositories/snapshots</url>
        </snapshotRepository>
        <repository>
            <id>nexus-releases</id>
            <name>Nexus Release Repository</name>
            <url>http://oss.sonatype.org/service/local/staging/deploy/maven2/</url>
        </repository>
    </distributionManagement>

    <dependencyManagement>
        <dependencies>
            <dependency>
                <groupId>org.nd4j</groupId>
                <artifactId>nd4j-native-platform</artifactId>
                <version>${nd4j.version}</version>
            </dependency>
            <dependency>
                <groupId>org.nd4j</groupId>
                <artifactId>nd4j-cuda-7.5-platform</artifactId>
                <version>${nd4j.version}</version>
            </dependency>
            <dependency>
                <groupId>org.nd4j</groupId>
                <artifactId>nd4j-cuda-8.0-platform</artifactId>
                <version>${nd4j.version}</version>
            </dependency>
       </dependencies>
    </dependencyManagement>

    <dependencies>　//依存関係にあるライブラリーの記述
        <!-- ND4J backend. You need one in every DL4J project. Normally define artifactId as either "nd4j-native-platform" or "nd4j-cuda-7.5-platform" -->
        <dependency>
            <groupId>org.nd4j</groupId>　　//DL4Jのライブラリ 
            <artifactId>${nd4j.backend}</artifactId> //${nd4j.backend}は上位からでここでは0.7.2に置き換えられる。
        </dependency>

        <!-- Core DL4J functionality -->
        <dependency>
            <groupId>org.deeplearning4j</groupId>　　//DL4Jのコアライブラリ 
            <artifactId>deeplearning4j-core</artifactId>
            <version>${dl4j.version}</version>
        </dependency>

        <dependency>
            <groupId>org.deeplearning4j</groupId>
            <artifactId>deeplearning4j-nlp</artifactId>
            <version>${dl4j.version}</version>
        </dependency>

        <!-- deeplearning4j-ui is used for HistogramIterationListener + visualization: see http://deeplearning4j.org/visualization -->
        <dependency>
            <groupId>org.deeplearning4j</groupId>
            <artifactId>deeplearning4j-ui_2.10</artifactId>
            <version>${dl4j.version}</version>
        </dependency>

        <!-- Force guava versions for using UI/HistogramIterationListener -->
        <dependency>
            <groupId>com.google.guava</groupId>
            <artifactId>guava</artifactId>
            <version>${guava.version}</version>
        </dependency>

        <!-- datavec-data-codec: used only in video example for loading video data -->
        <dependency>
            <artifactId>datavec-data-codec</artifactId>
            <groupId>org.datavec</groupId>
            <version>${datavec.version}</version>
        </dependency>

        <!-- Used in the feedforward/classification/MLP* and feedforward/regression/RegressionMathFunctions example -->
        <dependency>
            <groupId>jfree</groupId>
            <artifactId>jfreechart</artifactId>
            <version>${jfreechart.version}</version>
        </dependency>
        <dependency>
            <groupId>org.jfree</groupId>
            <artifactId>jcommon</artifactId>
            <version>${jcommon.version}</version>
        </dependency>

        <!-- Used for downloading data in some of the examples -->
        <dependency>
            <groupId>org.apache.httpcomponents</groupId>
            <artifactId>httpclient</artifactId>
            <version>4.3.5</version>
        </dependency>
    </dependencies>

    <build>
        <plugins>　//プラグイン
            <plugin>
                <groupId>org.codehaus.mojo</groupId> //実行型の生成物を生成するプラグイン
                <artifactId>exec-maven-plugin</artifactId>
                <version>${exec-maven-plugin.version}</version>
                <executions>
                    <execution>
                        <goals>
                            <goal>exec</goal>
                        </goals>
                    </execution>
                </executions>
                <configuration>
                    <executable>java</executable>
                </configuration>
            </plugin>
            <plugin>
                <groupId>org.apache.maven.plugins</groupId>
                <artifactId>maven-shade-plugin</artifactId>
                <version>${maven-shade-plugin.version}</version>
                <configuration>
                    <shadedArtifactAttached>true</shadedArtifactAttached>
                    <shadedClassifierName>${shadedClassifier}</shadedClassifierName>
                    <createDependencyReducedPom>true</createDependencyReducedPom>
                    <filters>
                        <filter>
                            <artifact>*:*</artifact>
                            <excludes>
                                <exclude>org/datanucleus/**</exclude>
                                <exclude>META-INF/*.SF</exclude>
                                <exclude>META-INF/*.DSA</exclude>
                                <exclude>META-INF/*.RSA</exclude>
                            </excludes>
                        </filter>
                    </filters>
                </configuration>
                <executions>
                    <execution>
                        <phase>package</phase>
                        <goals>
                            <goal>shade</goal>
                        </goals>
                        <configuration>
                            <transformers>
                                <transformer implementation="org.apache.maven.plugins.shade.resource.AppendingTransformer">
                                    <resource>reference.conf</resource>
                                </transformer>
                                <transformer implementation="org.apache.maven.plugins.shade.resource.ServicesResourceTransformer"/>
                                <transformer implementation="org.apache.maven.plugins.shade.resource.ManifestResourceTransformer">
                                </transformer>
                            </transformers>
                        </configuration>
                    </execution>
                </executions>
            </plugin>

            <plugin>
                <groupId>org.apache.maven.plugins</groupId>
                <artifactId>maven-compiler-plugin</artifactId>
                <version>3.5.1</version>
                <configuration>
                    <source>${java.version}</source>
                    <target>${java.version}</target>
                </configuration>
            </plugin>
        </plugins>
    </build>

</project>

100

101

102

103

104

105

106

107

108

109

110

111

112

113

114

115

116

117

118

119

120

121

122

123

124

125

126

127

128

129

130

131

132

133

134

135

136

137

138

139

140

141

142

143

144

145

146

147

148

149

150

151

152

153

154

155

156

157

158

159

160

161

162

163

164

165

166

167

168

169

170

171

172

173

174

175

176

177

178

179

180

181

182

183

184

185

186

187

188

189

190

191

192

<?xml version="1.0" encoding="UTF-8"?>

<project xmlns="http://maven.apache.org/POM/4.0.0"

xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"

xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd">

<artifactId>dl4j-examples</artifactId>

<parent> //上位フォルダにあるはずの親POM.XMLの定義。以下${}で変数処理されている部分は、この上位のpom.xmlで定義されている。

<groupId>org.deeplearning4j</groupId>

<artifactId>oreilly-book-deeplearning4j-examples-parent</artifactId>

<version>0.7-SNAPSHOT</version>

</parent>

<name>DeepLearning4j Examples</name>

<id>snapshots-repo</id>

<url>https://oss.sonatype.org/content/repositories/snapshots</url>

<enabled>false</enabled>

</releases>

</snapshots>

</repository>

</repositories>

<id>sonatype-nexus-snapshots</id>

<name>Sonatype Nexus snapshot repository</name>

<url>https://oss.sonatype.org/content/repositories/snapshots</url>

</snapshotRepository>

<id>nexus-releases</id>

<name>Nexus Release Repository</name>

<url>http://oss.sonatype.org/service/local/staging/deploy/maven2/</url>

</repository>

</distributionManagement>

<artifactId>nd4j-native-platform</artifactId>

<version>${nd4j.version}</version>

</dependency>

<artifactId>nd4j-cuda-7.5-platform</artifactId>

<version>${nd4j.version}</version>

</dependency>

<artifactId>nd4j-cuda-8.0-platform</artifactId>

<version>${nd4j.version}</version>

</dependency>

</dependencies>

</dependencyManagement>

<dependencies>　//依存関係にあるライブラリーの記述

<groupId>org.nd4j</groupId>　　//DL4Jのライブラリ

<artifactId>${nd4j.backend}</artifactId> //${nd4j.backend}は上位からでここでは0.7.2に置き換えられる。

</dependency>

<groupId>org.deeplearning4j</groupId>　　//DL4Jのコアライブラリ

<artifactId>deeplearning4j-core</artifactId>

<version>${dl4j.version}</version>

</dependency>

<groupId>org.deeplearning4j</groupId>

<artifactId>deeplearning4j-nlp</artifactId>

<version>${dl4j.version}</version>

</dependency>

<groupId>org.deeplearning4j</groupId>

<artifactId>deeplearning4j-ui_2.10</artifactId>

<version>${dl4j.version}</version>

</dependency>

<groupId>com.google.guava</groupId>

<artifactId>guava</artifactId>

<version>${guava.version}</version>

</dependency>

<artifactId>datavec-data-codec</artifactId>

<groupId>org.datavec</groupId>

<version>${datavec.version}</version>

</dependency>

<groupId>jfree</groupId>

<artifactId>jfreechart</artifactId>

<version>${jfreechart.version}</version>

</dependency>

<groupId>org.jfree</groupId>

<artifactId>jcommon</artifactId>

<version>${jcommon.version}</version>

</dependency>

<groupId>org.apache.httpcomponents</groupId>

<artifactId>httpclient</artifactId>

</dependency>

</dependencies>

<build>

<plugins>　//プラグイン

<groupId>org.codehaus.mojo</groupId> //実行型の生成物を生成するプラグイン

<artifactId>exec-maven-plugin</artifactId>

<version>${exec-maven-plugin.version}</version>

<goals>

</goals>

</execution>

</executions>

</configuration>

</plugin>

<groupId>org.apache.maven.plugins</groupId>

<artifactId>maven-shade-plugin</artifactId>

<version>${maven-shade-plugin.version}</version>

<shadedClassifierName>${shadedClassifier}</shadedClassifierName>

<exclude>org/datanucleus/**</exclude>

</excludes>

</filter>

</filters>

</configuration>

<phase>package</phase>

<goals>

<goal>shade</goal>

</goals>

<resource>reference.conf</resource>

</transformer>

</transformer>

</transformers>

</configuration>

</execution>

</executions>

</plugin>

<groupId>org.apache.maven.plugins</groupId>

<artifactId>maven-compiler-plugin</artifactId>

<source>${java.version}</source>

<target>${java.version}</target>

</configuration>

</plugin>

</plugins>

</build>

</project>

参考までに上位のプロジェクトルートフォルダにある親pom.xmlに記述されたプロパティタグによるバージョンコントロール部分を以下に抽出しておく。

<properties>
        <!-- Change the nd4j.backend property to nd4j-cuda-7.5-platform or nd4j-cuda-8.0-platform to use CUDA GPUs -->
        <nd4j.backend>nd4j-native-platform</nd4j.backend>
        <project.build.sourceEncoding>UTF-8</project.build.sourceEncoding>
        <shadedClassifier>bin</shadedClassifier>
        <java.version>1.8</java.version>
        <nd4j.version>0.7.2</nd4j.version>
        <dl4j.version>0.7.2</dl4j.version>
        <datavec.version>0.7.2</datavec.version>
        <arbiter.version>0.7.2</arbiter.version>
        <guava.version>19.0</guava.version>
        <logback.version>1.1.7</logback.version>
        <jfreechart.version>1.0.13</jfreechart.version>
        <jcommon.version>1.0.23</jcommon.version>
        <maven-shade-plugin.version>2.4.3</maven-shade-plugin.version>
        <exec-maven-plugin.version>1.4.0</exec-maven-plugin.version>
        <maven.minimum.version>3.3.1</maven.minimum.version>
    </properties>

<nd4j.backend>nd4j-native-platform</nd4j.backend>

<project.build.sourceEncoding>UTF-8</project.build.sourceEncoding>

<java.version>1.8</java.version>

<nd4j.version>0.7.2</nd4j.version>

<dl4j.version>0.7.2</dl4j.version>

<datavec.version>0.7.2</datavec.version>

<arbiter.version>0.7.2</arbiter.version>

<guava.version>19.0</guava.version>

<logback.version>1.1.7</logback.version>

<jfreechart.version>1.0.13</jfreechart.version>

<jcommon.version>1.0.23</jcommon.version>

<maven-shade-plugin.version>2.4.3</maven-shade-plugin.version>

<exec-maven-plugin.version>1.4.0</exec-maven-plugin.version>

<maven.minimum.version>3.3.1</maven.minimum.version>

</properties>

さて、これからDL4JのDeepLearningプログラムをスタンドアロンで作動させるようにしていく。
そこで、以前のブログで調査記述したDL4JのExampleに含まれるCNNを用いたMNIST手書き数字画像の機械学習であるLenetMnistExampleを切り出して単独で動かすようにしてみる。
IntelliJから、ファイル＞新規プロジェクト＞Mavenを選択し、Group ID(ここでは例えばMyGroupとArtifact ID(ここでは例えばMyArtifact03)を入力して、OKボタンを押していく（アーキタイプの選択が可能となるチェックボックスが登場するが、とりあえず無視して進めると、必要なファイル構成が生成される。IntelliJの左コラムには、srcフォルダや以下のようなシンプルなpom.xmlが生成されている。

<?xml version="1.0" encoding="UTF-8"?>
<project xmlns="http://maven.apache.org/POM/4.0.0"
         xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
         xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd">
    <modelVersion>4.0.0</modelVersion>

    <groupId>MyGroup</groupId>
    <artifactId>MyArtifac05</artifactId>
    <version>1.0-SNAPSHOT</version>

</project>

<?xml version="1.0" encoding="UTF-8"?>

<project xmlns="http://maven.apache.org/POM/4.0.0"

xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"

xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd">

<groupId>MyGroup</groupId>

<artifactId>MyArtifac05</artifactId>

<version>1.0-SNAPSHOT</version>

</project>

まずは、このpom.xmlファイルの以下に、上述のDL4J Exampleのpom.xmlファイルの以下の記述をコピペする。この際、バージョン変数は、親pom.xmlから具体的な数値（記述）に置き換えておく。

<?xml version="1.0" encoding="UTF-8"?>
<project xmlns="http://maven.apache.org/POM/4.0.0"
         xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
         xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd">
    <modelVersion>4.0.0</modelVersion>

    <groupId>MyGroup</groupId>
    <artifactId>MyArtifact05</artifactId>
    <version>1.0-SNAPSHOT</version>

    <dependencies>


        <!-- https://mvnrepository.com/artifact/org.deeplearning4j/deeplearning4j-core -->
        <dependency>
            <groupId>org.deeplearning4j</groupId>
            <artifactId>deeplearning4j-core</artifactId>
            <version>0.7.2</version>
        </dependency>

        <!-- https://mvnrepository.com/artifact/org.nd4j/nd4j-native -->
        <dependency>
            <groupId>org.nd4j</groupId>
            <artifactId>nd4j-native</artifactId>
            <version>0.7.2</version>
        </dependency>


        <!-- https://mvnrepository.com/artifact/org.nd4j/nd4j-api -->
        <dependency>
            <groupId>org.nd4j</groupId>
            <artifactId>nd4j-api</artifactId>
            <version>0.7.2</version>
        </dependency>

        <!-- https://mvnrepository.com/artifact/org.nd4j/nd4j-native-platform -->
        <dependency>
            <groupId>org.nd4j</groupId>
            <artifactId>nd4j-native-platform</artifactId>
            <version>0.7.2</version>
        </dependency>


        <!-- https://mvnrepository.com/artifact/org.datavec/datavec-api -->
        <dependency>
            <groupId>org.datavec</groupId>
            <artifactId>datavec-api</artifactId>
            <version>0.7.2</version>
        </dependency>

        <dependency>
            <groupId>org.deeplearning4j</groupId>
            <artifactId>deeplearning4j-nlp</artifactId>
            <version>0.7.2</version>
        </dependency>

        <!-- deeplearning4j-ui is used for HistogramIterationListener + visualization: see http://deeplearning4j.org/visualization -->
        <dependency>
            <groupId>org.deeplearning4j</groupId>
            <artifactId>deeplearning4j-ui_2.10</artifactId>
            <version>0.7.2</version>
        </dependency>

        <!-- Force guava versions for using UI/HistogramIterationListener -->
        <dependency>
            <groupId>com.google.guava</groupId>
            <artifactId>guava</artifactId>
            <version>19.0</version>
        </dependency>

        <!-- datavec-data-codec: used only in video example for loading video data -->
        <dependency>
            <artifactId>datavec-data-codec</artifactId>
            <groupId>org.datavec</groupId>
            <version>0.7.2</version>
        </dependency>

        <!-- Used in the feedforward/classification/MLP* and feedforward/regression/RegressionMathFunctions example -->
        <dependency>
            <groupId>jfree</groupId>
            <artifactId>jfreechart</artifactId>
            <version>1.0.13</version>
        </dependency>
        <dependency>
            <groupId>org.jfree</groupId>
            <artifactId>jcommon</artifactId>
            <version>1.0.23</version>
        </dependency>

        <!-- Used for downloading data in some of the examples -->
        <dependency>
            <groupId>org.apache.httpcomponents</groupId>
            <artifactId>httpclient</artifactId>
            <version>4.3.5</version>
        </dependency>
    </dependencies>

    <build>
        <plugins>
            <plugin>
                <groupId>org.codehaus.mojo</groupId>
                <artifactId>exec-maven-plugin</artifactId>
                <version>1.4.0</version>
                <executions>
                    <execution>
                        <goals>
                            <goal>exec</goal>
                        </goals>
                    </execution>
                </executions>
                <configuration>
                    <executable>java</executable>
                </configuration>
            </plugin>
            <plugin>
                <groupId>org.apache.maven.plugins</groupId>
                <artifactId>maven-shade-plugin</artifactId>
                <version>2.4.3</version>
                <configuration>
                    <shadedArtifactAttached>true</shadedArtifactAttached>
                    <shadedClassifierName>bin</shadedClassifierName>
                    <createDependencyReducedPom>true</createDependencyReducedPom>
                    <filters>
                        <filter>
                            <artifact>*:*</artifact>
                            <excludes>
                                <exclude>org/datanucleus/**</exclude>
                                <exclude>META-INF/*.SF</exclude>
                                <exclude>META-INF/*.DSA</exclude>
                                <exclude>META-INF/*.RSA</exclude>
                            </excludes>
                        </filter>
                    </filters>
                </configuration>
                <executions>
                    <execution>
                        <phase>package</phase>
                        <goals>
                            <goal>shade</goal>
                        </goals>
                        <configuration>
                            <transformers>
                                <transformer implementation="org.apache.maven.plugins.shade.resource.AppendingTransformer">
                                    <resource>reference.conf</resource>
                                </transformer>
                                <transformer implementation="org.apache.maven.plugins.shade.resource.ServicesResourceTransformer"/>
                                <transformer implementation="org.apache.maven.plugins.shade.resource.ManifestResourceTransformer">
                                </transformer>
                            </transformers>
                        </configuration>
                    </execution>
                </executions>
            </plugin>
        </plugins>
    </build>
</project>

100

101

102

103

104

105

106

107

108

109

110

111

112

113

114

115

116

117

118

119

120

121

122

123

124

125

126

127

128

129

130

131

132

133

134

135

136

137

138

139

140

141

142

143

144

145

146

147

148

149

150

151

152

153

154

155

156

<?xml version="1.0" encoding="UTF-8"?>

<project xmlns="http://maven.apache.org/POM/4.0.0"

xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"

xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd">

<groupId>MyGroup</groupId>

<artifactId>MyArtifact05</artifactId>

<version>1.0-SNAPSHOT</version>

<groupId>org.deeplearning4j</groupId>

<artifactId>deeplearning4j-core</artifactId>

</dependency>

<artifactId>nd4j-native</artifactId>

</dependency>

</dependency>

<artifactId>nd4j-native-platform</artifactId>

</dependency>

<groupId>org.datavec</groupId>

<artifactId>datavec-api</artifactId>

</dependency>

<groupId>org.deeplearning4j</groupId>

<artifactId>deeplearning4j-nlp</artifactId>

</dependency>

<groupId>org.deeplearning4j</groupId>

<artifactId>deeplearning4j-ui_2.10</artifactId>

</dependency>

<groupId>com.google.guava</groupId>

<artifactId>guava</artifactId>

</dependency>

<artifactId>datavec-data-codec</artifactId>

<groupId>org.datavec</groupId>

</dependency>

<groupId>jfree</groupId>

<artifactId>jfreechart</artifactId>

</dependency>

<groupId>org.jfree</groupId>

<artifactId>jcommon</artifactId>

</dependency>

<groupId>org.apache.httpcomponents</groupId>

<artifactId>httpclient</artifactId>

</dependency>

</dependencies>

<build>

<groupId>org.codehaus.mojo</groupId>

<artifactId>exec-maven-plugin</artifactId>

<goals>

</goals>

</execution>

</executions>

</configuration>

</plugin>

<groupId>org.apache.maven.plugins</groupId>

<artifactId>maven-shade-plugin</artifactId>

<exclude>org/datanucleus/**</exclude>

</excludes>

</filter>

</filters>

</configuration>

<phase>package</phase>

<goals>

<goal>shade</goal>

</goals>

<resource>reference.conf</resource>

</transformer>

</transformer>

</transformers>

</configuration>

</execution>

</executions>

</plugin>

</plugins>

</build>

</project>

すると、IntelliJは、ファイルが更新されたことを自動認識して、Mavenデポジットに追加されたライブラリーのダウンロードを進める。なるほど、これがMavenの仕組みかと、ここで納得することになるであろう。

次に、IntelliJの左コラムからファイル構造を開き、srcフォルダのもとに、main/java、main/resourcesが生成されてるが、javaのフォルダをハイライトして、「コマンド＋N」で、JAVAクラス」の新規生成を行う。クラス名は、LenetMnistExampleとすると、以下のように表示される。

public class LenetMnistExample {
}

1 2	public class LenetMnistExample { }

そこで、このファイルの記述を、DL4JのLenetMnistExampleの実際の記述に置き換える（コピペ記述内容はオリジナルから以前に少し弄って、テキストファイル出力させるようにしたもの）。

package org.deeplearning4j.examples.convolution;

import org.deeplearning4j.datasets.iterator.impl.MnistDataSetIterator;
import org.deeplearning4j.eval.Evaluation;
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.inputs.InputType;
import org.deeplearning4j.nn.conf.layers.ConvolutionLayer;
import org.deeplearning4j.nn.conf.layers.DenseLayer;
import org.deeplearning4j.nn.conf.layers.OutputLayer;
import org.deeplearning4j.nn.conf.layers.SubsamplingLayer;
import org.deeplearning4j.nn.multilayer.MultiLayerNetwork;
import org.deeplearning4j.nn.weights.WeightInit;
import org.deeplearning4j.optimize.listeners.ScoreIterationListener;
import org.nd4j.linalg.activations.Activation;
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.slf4j.Logger;
import org.slf4j.LoggerFactory;
import java.io.*;
/**
 * Created by agibsonccc on 9/16/15.
 */
public class LenetMnistExample {
    private static final Logger log = LoggerFactory.getLogger(LenetMnistExample.class);

    public static void main(String[] args) throws Exception {
        int nChannels = 1; // Number of input channels
        int outputNum = 10; // The number of possible outcomes
        int batchSize = 64; // Test batch size
        int nEpochs = 1; // Number of training epochs
        int iterations = 1; // Number of training iterations
        int seed = 123; //

        /*
            Create an iterator using the batch size for one iteration
         */
        log.info("Load data....");
        DataSetIterator mnistTrain = new MnistDataSetIterator(batchSize,true,12345);
        DataSetIterator mnistTest = new MnistDataSetIterator(batchSize,false,12345);

        /*
            Construct the neural network
         */
        log.info("Build model....");
        MultiLayerConfiguration conf = new NeuralNetConfiguration.Builder()
                .seed(seed)
                .iterations(iterations) // Training iterations as above
                .regularization(true).l2(0.0005)
                /*
                    Uncomment the following for learning decay and bias
                 */
                .learningRate(.01)//.biasLearningRate(0.02)
                //.learningRateDecayPolicy(LearningRatePolicy.Inverse).lrPolicyDecayRate(0.001).lrPolicyPower(0.75)
                .weightInit(WeightInit.XAVIER)
                .optimizationAlgo(OptimizationAlgorithm.STOCHASTIC_GRADIENT_DESCENT)
                .updater(Updater.NESTEROVS).momentum(0.9)
                .list()
                .layer(0, new ConvolutionLayer.Builder(5, 5)
                        //nIn and nOut specify depth. nIn here is the nChannels and nOut is the number of filters to be applied
                        .nIn(nChannels)
                        .stride(1, 1)
                        .nOut(20)
                        .activation(Activation.IDENTITY)
                        .build())
                .layer(1, new SubsamplingLayer.Builder(SubsamplingLayer.PoolingType.MAX)
                        .kernelSize(2,2)
                        .stride(2,2)
                        .build())
                .layer(2, new ConvolutionLayer.Builder(5, 5)
                        //Note that nIn need not be specified in later layers
                        .stride(1, 1)
                        .nOut(50)
                        .activation(Activation.IDENTITY)
                        .build())
                .layer(3, new SubsamplingLayer.Builder(SubsamplingLayer.PoolingType.MAX)
                        .kernelSize(2,2)
                        .stride(2,2)
                        .build())
                .layer(4, new DenseLayer.Builder().activation(Activation.RELU)
                        .nOut(500).build())
                .layer(5, new OutputLayer.Builder(LossFunctions.LossFunction.NEGATIVELOGLIKELIHOOD)
                        .nOut(outputNum)
                        .activation(Activation.SOFTMAX)
                        .build())
                .setInputType(InputType.convolutionalFlat(28,28,1)) //See note below
                .backprop(true).pretrain(false).build();

        /*
        Regarding the .setInputType(InputType.convolutionalFlat(28,28,1)) line: This does a few things.
        (a) It adds preprocessors, which handle things like the transition between the convolutional/subsampling layers
            and the dense layer
        (b) Does some additional configuration validation
        (c) Where necessary, sets the nIn (number of input neurons, or input depth in the case of CNNs) values for each
            layer based on the size of the previous layer (but it won't override values manually set by the user)

        InputTypes can be used with other layer types too (RNNs, MLPs etc) not just CNNs.
        For normal images (when using ImageRecordReader) use InputType.convolutional(height,width,depth).
        MNIST record reader is a special case, that outputs 28x28 pixel grayscale (nChannels=1) images, in a "flattened"
        row vector format (i.e., 1x784 vectors), hence the "convolutionalFlat" input type used here.
        */

        MultiLayerNetwork model = new MultiLayerNetwork(conf);
        model.init();


        PrintStream sysOut = System.out;

        FileOutputStream fos = new FileOutputStream("out_pre.txt");
        PrintStream ps = new PrintStream(fos);

        System.setOut(ps);
        System.out.println(model.paramTable());
        ps.close();
        fos.close();
        System.setOut(sysOut);



        log.info("Train model....");
        model.setListeners(new ScoreIterationListener(1));
        for( int i=0; i<nEpochs; i++ ) {
            model.fit(mnistTrain);
            log.info("*** Completed epoch {} ***", i);

            FileOutputStream fos2 = new FileOutputStream("out_post.txt");
            PrintStream ps2 = new PrintStream(fos2);
            System.setOut(ps2);

            System.out.println(model.paramTable());

            ps2.close();
            fos2.close();

            System.setOut(sysOut);


            log.info("Evaluate model....");
            Evaluation eval = new Evaluation(outputNum);
            while(mnistTest.hasNext()){
                DataSet ds = mnistTest.next();
                INDArray output = model.output(ds.getFeatureMatrix(), false);
                eval.eval(ds.getLabels(), output);

            }
            log.info(eval.stats());
            mnistTest.reset();
        }
        log.info("****************Example finished********************");
    }
}

100

101

102

103

104

105

106

107

108

109

110

111

112

113

114

115

116

117

118

119

120

121

122

123

124

125

126

127

128

129

130

131

132

133

134

135

136

137

138

139

140

141

142

143

144

145

146

147

148

149

150

151

152

153

154

155

package org.deeplearning4j.examples.convolution;

import org.deeplearning4j.datasets.iterator.impl.MnistDataSetIterator;

import org.deeplearning4j.eval.Evaluation;

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.inputs.InputType;

import org.deeplearning4j.nn.conf.layers.ConvolutionLayer;

import org.deeplearning4j.nn.conf.layers.DenseLayer;

import org.deeplearning4j.nn.conf.layers.OutputLayer;

import org.deeplearning4j.nn.conf.layers.SubsamplingLayer;

import org.deeplearning4j.nn.multilayer.MultiLayerNetwork;

import org.deeplearning4j.nn.weights.WeightInit;

import org.deeplearning4j.optimize.listeners.ScoreIterationListener;

import org.nd4j.linalg.activations.Activation;

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.slf4j.Logger;

import org.slf4j.LoggerFactory;

import java.io.*;

/**

* Created by agibsonccc on 9/16/15.

public class LenetMnistExample {

private static final Logger log = LoggerFactory.getLogger(LenetMnistExample.class);

public static void main(String[] args) throws Exception {

int nChannels = 1; // Number of input channels

int outputNum = 10; // The number of possible outcomes

int batchSize = 64; // Test batch size

int nEpochs = 1; // Number of training epochs

int iterations = 1; // Number of training iterations

int seed = 123; //

Create an iterator using the batch size for one iteration

log.info("Load data....");

DataSetIterator mnistTrain = new MnistDataSetIterator(batchSize,true,12345);

DataSetIterator mnistTest = new MnistDataSetIterator(batchSize,false,12345);

Construct the neural network

log.info("Build model....");

MultiLayerConfiguration conf = new NeuralNetConfiguration.Builder()

.seed(seed)

.iterations(iterations) // Training iterations as above

.regularization(true).l2(0.0005)

Uncomment the following for learning decay and bias

.learningRate(.01)//.biasLearningRate(0.02)

//.learningRateDecayPolicy(LearningRatePolicy.Inverse).lrPolicyDecayRate(0.001).lrPolicyPower(0.75)

.weightInit(WeightInit.XAVIER)

.optimizationAlgo(OptimizationAlgorithm.STOCHASTIC_GRADIENT_DESCENT)

.updater(Updater.NESTEROVS).momentum(0.9)

.list()

.layer(0, new ConvolutionLayer.Builder(5, 5)

//nIn and nOut specify depth. nIn here is the nChannels and nOut is the number of filters to be applied

.nIn(nChannels)

.stride(1, 1)

.nOut(20)

.activation(Activation.IDENTITY)

.build())

.layer(1, new SubsamplingLayer.Builder(SubsamplingLayer.PoolingType.MAX)

.kernelSize(2,2)

.stride(2,2)

.build())

.layer(2, new ConvolutionLayer.Builder(5, 5)

//Note that nIn need not be specified in later layers

.stride(1, 1)

.nOut(50)

.activation(Activation.IDENTITY)

.build())

.layer(3, new SubsamplingLayer.Builder(SubsamplingLayer.PoolingType.MAX)

.kernelSize(2,2)

.stride(2,2)

.build())

.layer(4, new DenseLayer.Builder().activation(Activation.RELU)

.nOut(500).build())

.layer(5, new OutputLayer.Builder(LossFunctions.LossFunction.NEGATIVELOGLIKELIHOOD)

.nOut(outputNum)

.activation(Activation.SOFTMAX)

.build())

.setInputType(InputType.convolutionalFlat(28,28,1)) //See note below

.backprop(true).pretrain(false).build();

Regarding the .setInputType(InputType.convolutionalFlat(28,28,1)) line: This does a few things.

(a) It adds preprocessors, which handle things like the transition between the convolutional/subsampling layers

and the dense layer

(b) Does some additional configuration validation

layer based on the size of the previous layer (but it won't override values manually set by the user)

InputTypes can be used with other layer types too (RNNs, MLPs etc) not just CNNs.

For normal images (when using ImageRecordReader) use InputType.convolutional(height,width,depth).

MNIST record reader is a special case, that outputs 28x28 pixel grayscale (nChannels=1) images, in a "flattened"

row vector format (i.e., 1x784 vectors), hence the "convolutionalFlat" input type used here.

MultiLayerNetwork model = new MultiLayerNetwork(conf);

model.init();

PrintStream sysOut = System.out;

FileOutputStream fos = new FileOutputStream("out_pre.txt");

PrintStream ps = new PrintStream(fos);

System.setOut(ps);

System.out.println(model.paramTable());

ps.close();

fos.close();

System.setOut(sysOut);

log.info("Train model....");

model.setListeners(new ScoreIterationListener(1));

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

model.fit(mnistTrain);

log.info("*** Completed epoch {} ***", i);

FileOutputStream fos2 = new FileOutputStream("out_post.txt");

PrintStream ps2 = new PrintStream(fos2);

System.setOut(ps2);

System.out.println(model.paramTable());

ps2.close();

fos2.close();

System.setOut(sysOut);

log.info("Evaluate model....");

Evaluation eval = new Evaluation(outputNum);

while(mnistTest.hasNext()){

DataSet ds = mnistTest.next();

INDArray output = model.output(ds.getFeatureMatrix(), false);

eval.eval(ds.getLabels(), output);

}

log.info(eval.stats());

mnistTest.reset();

}

log.info("****************Example finished********************");

}

この段階でも、もしかすると「Mavenプロジェクトのインポートが必要です。」が登場し、自動インポートの使用可能が促される。

IntelliJの左コラム内にツリー構造src/main/java/org.deeplearning4j.examples.convolution/内にLenetMnistExample(.java)が出来上がっている。このファイルをハイライト＋コントロールで、「緑の実行」すれば、プログラムが作動するはずである。

次に、コンパイルビルドして、Jarファイルを作成するために、IntelliJ ファイル＞プロジェクト構造＞左のコラムから「成果物」、そして真ん中コラムの+ボタンをクリックして、jarファイル＞「依存関係を持つモジュールから」を選択すると、モジュール名（MyArtifact03)、メイン・クラス(LenetMnistExample)、に加えて、マニフェストMANIFEST.MFの入力をお求められて、OKボタン。

その結果、必要な関連ライブラリのリストに加えて、画面の下方にマニフェストファイルの位置やメインクラスが記載されたものが表示される。

あとは、IntelliJビルド＞成果物ビルド＞buildメニューでbuildをクリックで、コンパイルビルドが開始して、outフォルダに成果物たるMyArtifact05.jarが生成されるはず。
————————————————
ここから以下が、よくわからん。Javaのjarファイルを実行形式にするためには、javaフォルダにMETA-INFフォルダをおいて、その中にメイン・クラスの指定を行うマニフェストファイルMANIFECT.MFを置きておく必要がある。IntelliJでは、ほぼ自動でjavaフォルダ内に生成されるが、仮にも先に生成されていると「すでにありまっせ！」メッセージが現れて、先に進めない（この場合は、ファインダーからMETA-INFフォルダを削除する）。一方で、IntelliJでは、このMETA-INFはresourcesフォルダに置かないといけないという記述などもウェブ上のトラブルシュートには記載されておるが、よくわからん。いずれにせよ、IntelliJから、生成されたMyArtifact05.jarを直接ハイライトして、実行しても「メイン・クラスが見つかりません」とか云々のアラートで作動しない。
————————————————
仕方がないので、コンソールに移動して、mvnのコマンド打ちでパッケージビルド：

MacBook-Pro-5:MyArtifact05 $ mvn clean package
[INFO] Scanning for projects...
[INFO] 
[INFO] ------------------------< MyGroup:MyArtifact03 >------------------------
[INFO] Building MyArtifact05 1.0-SNAPSHOT
[INFO] --------------------------------[ jar ]---------------------------------
[INFO] 
[INFO] --- maven-clean-plugin:2.5:clean (default-clean) @ MyArtifact03 ---
[INFO] Deleting /Users/*********/Ideajects/MyArtifact05/target
[INFO] 
[INFO] --- maven-resources-plugin:2.6:resources (default-resources) @ MyArtifact05 ---
............................
[INFO] Attaching shaded artifact.
[INFO] ------------------------------------------------------------------------
[INFO] BUILD SUCCESS
[INFO] ------------------------------------------------------------------------
[INFO] Total time: 35.773 s
[INFO] Finished at: 2018-09-10T13:54:57+09:00
[INFO] ------------------------------------------------------------------------

MacBook-Pro-5:MyArtifact05 $ mvn clean package

[INFO] Scanning for projects...

[INFO]

[INFO] ------------------------< MyGroup:MyArtifact03 >------------------------

[INFO] Building MyArtifact05 1.0-SNAPSHOT

[INFO] --------------------------------[ jar ]---------------------------------

[INFO]

[INFO] --- maven-clean-plugin:2.5:clean (default-clean) @ MyArtifact03 ---

[INFO] Deleting /Users/*********/Ideajects/MyArtifact05/target

[INFO]

[INFO] --- maven-resources-plugin:2.6:resources (default-resources) @ MyArtifact05 ---

............................

[INFO] Attaching shaded artifact.

[INFO] ------------------------------------------------------------------------

[INFO] BUILD SUCCESS

[INFO] ------------------------------------------------------------------------

[INFO] Total time: 35.773 s

[INFO] Finished at: 2018-09-10T13:54:57+09:00

[INFO] ------------------------------------------------------------------------

すると、targetフォルダ内に、MyArtifact05-1.0-SNAPSHOT-bin.jarが生成された。
こそで、javaコマンドをクラスパスオプション付きで、このjarファイル指定し、第二引数でメイン・クラス”org.deeplearning4j.examples.convolution.LenetMnistExample”を指定して、実行させる。LenetMnistExampleが無事に動いた！
注意：実行はプロジェクトルートからで、第一引数jarの指定はプロジェクトルートからの相対パス、第二引数は、ダブルクォーテーション。

java -cp ./target/MyArtifact05-1.0-SNAPSHOT-bin.jar "org.deeplearning4j.examples.convolution.LenetMnistExample"

1	java -cp ./target/MyArtifact05-1.0-SNAPSHOT-bin.jar "org.deeplearning4j.examples.convolution.LenetMnistExample"

MacBook-Pro-5:MyArtifact05 $ java -cp ./target/MyArtifact05-1.0-SNAPSHOT-bin.jar "org.deeplearning4j.examples.convolution.LenetMnistExample"
13:56:02.432 [main] INFO  o.d.e.convolution.LenetMnistExample - Load data....

13:56:02.794 [main] INFO  o.d.e.convolution.LenetMnistExample - Build model....
13:56:02.823 [main] INFO  org.nd4j.linalg.factory.Nd4jBackend - Loaded [CpuBackend] backend
13:56:03.024 [main] INFO  org.nd4j.nativeblas.NativeOpsHolder - Number of threads used for NativeOps: 4
13:56:03.068 [main] DEBUG org.reflections.Reflections - going to scan these urls:
jar:file:/Users/*******/Ideajects/MyArtifact05/target/MyArtifact05-1.0-SNAPSHOT-bin.jar!/
13:56:03.505 [main] INFO  org.reflections.Reflections - Reflections took 422 ms to scan 1 urls, producing 29 keys and 176 values 
13:56:03.925 [main] DEBUG org.reflections.Reflections - going to scan these urls:
file:/Users/******/Ideajects/MyArtifact05/target/MyArtifact05-1.0-SNAPSHOT-bin.jar
file:/Library/Java/Extensions/commons-math3-3.6.1-javadoc.jar
file:/Library/Java/Extensions/commons-math3-3.6.1-sources.jar
file:/Library/Java/Extensions/commons-math3-3.6.1.jar
file:/Library/Java/Extensions/commons-math3-3.6.1-test-sources.jar
file:/Library/Java/Extensions/commons-math3-3.6.1-tests.jar
file:/Library/Java/Extensions/commons-math3-3.6.1-tools.jar
file:/System/Library/Java/Extensions/MRJToolkit.jar
13:56:06.349 [main] INFO  org.reflections.Reflections - Reflections took 2424 ms to scan 8 urls, producing 2128 keys and 14433 values 
13:56:06.388 [main] DEBUG o.d.nn.conf.NeuralNetConfiguration - Registering class for JSON serialization: org.deeplearning4j.nn.conf.layers.DropoutLayer as subtype of org.deeplearning4j.nn.conf.layers.Layer
13:56:06.393 [main] DEBUG o.d.nn.conf.NeuralNetConfiguration - Registering class for JSON serialization: org.deeplearning4j.nn.conf.layers.DropoutLayer as subtype of org.deeplearning4j.nn.conf.layers.Layer
13:56:06.398 [main] WARN  o.d.nn.conf.MultiLayerConfiguration - Warning: new network default sets pretrain to false.
13:56:06.398 [main] WARN  o.d.nn.conf.MultiLayerConfiguration - Warning: new network default sets backprop to true.
13:56:06.445 [main] DEBUG org.reflections.Reflections - going to scan these urls:
jar:file:/Users/******/Ideajects/MyArtifact05/target/MyArtifact05-1.0-SNAPSHOT-bin.jar!/
13:56:06.679 [main] INFO  org.reflections.Reflections - Reflections took 234 ms to scan 1 urls, producing 368 keys and 1424 values 
13:56:08.479 [main] INFO  o.d.e.convolution.LenetMnistExample - Train model....
...................

MacBook-Pro-5:MyArtifact05 $ java -cp ./target/MyArtifact05-1.0-SNAPSHOT-bin.jar "org.deeplearning4j.examples.convolution.LenetMnistExample"

13:56:02.432 [main] INFO o.d.e.convolution.LenetMnistExample - Load data....

13:56:02.794 [main] INFO o.d.e.convolution.LenetMnistExample - Build model....

13:56:02.823 [main] INFO org.nd4j.linalg.factory.Nd4jBackend - Loaded [CpuBackend] backend

13:56:03.024 [main] INFO org.nd4j.nativeblas.NativeOpsHolder - Number of threads used for NativeOps: 4

13:56:03.068 [main] DEBUG org.reflections.Reflections - going to scan these urls:

jar:file:/Users/*******/Ideajects/MyArtifact05/target/MyArtifact05-1.0-SNAPSHOT-bin.jar!/

13:56:03.505 [main] INFO org.reflections.Reflections - Reflections took 422 ms to scan 1 urls, producing 29 keys and 176 values

13:56:03.925 [main] DEBUG org.reflections.Reflections - going to scan these urls:

file:/Users/******/Ideajects/MyArtifact05/target/MyArtifact05-1.0-SNAPSHOT-bin.jar

file:/Library/Java/Extensions/commons-math3-3.6.1-javadoc.jar

file:/Library/Java/Extensions/commons-math3-3.6.1-sources.jar

file:/Library/Java/Extensions/commons-math3-3.6.1.jar

file:/Library/Java/Extensions/commons-math3-3.6.1-test-sources.jar

file:/Library/Java/Extensions/commons-math3-3.6.1-tests.jar

file:/Library/Java/Extensions/commons-math3-3.6.1-tools.jar

file:/System/Library/Java/Extensions/MRJToolkit.jar

13:56:06.349 [main] INFO org.reflections.Reflections - Reflections took 2424 ms to scan 8 urls, producing 2128 keys and 14433 values

13:56:06.388 [main] DEBUG o.d.nn.conf.NeuralNetConfiguration - Registering class for JSON serialization: org.deeplearning4j.nn.conf.layers.DropoutLayer as subtype of org.deeplearning4j.nn.conf.layers.Layer

13:56:06.393 [main] DEBUG o.d.nn.conf.NeuralNetConfiguration - Registering class for JSON serialization: org.deeplearning4j.nn.conf.layers.DropoutLayer as subtype of org.deeplearning4j.nn.conf.layers.Layer

13:56:06.398 [main] WARN o.d.nn.conf.MultiLayerConfiguration - Warning: new network default sets pretrain to false.

13:56:06.398 [main] WARN o.d.nn.conf.MultiLayerConfiguration - Warning: new network default sets backprop to true.

13:56:06.445 [main] DEBUG org.reflections.Reflections - going to scan these urls:

jar:file:/Users/******/Ideajects/MyArtifact05/target/MyArtifact05-1.0-SNAPSHOT-bin.jar!/

13:56:06.679 [main] INFO org.reflections.Reflections - Reflections took 234 ms to scan 1 urls, producing 368 keys and 1424 values

13:56:08.479 [main] INFO o.d.e.convolution.LenetMnistExample - Train model....

...................

—————————————-
土日の夜を費やしてしまったこのプロジェクトのここまでの中間まとめ
—————————————-
1. Apache Mavenのpom.xmlを知る必要あり。
2. IntelliJ IDEAをある程度、使える必要あり：IntelliJ IDEAのプロジェクト構造＞成果物、ビルド＞成果物のビルド(結局、いまだ実行型のjarの生成に関しては解決できていない。というのも、オリジナルのExampleファイルは、色々なプログラムが詰め込まれた状態で、シェルスクリプトで動かしたいプログラム番号を指定して、作動させるようになっているので、スタンドアロンの実行型Jarではない。したがって、おそらくパッケージ化等のプラグインを導入する必要がありそう。
3.jarファイルを実行するには、メイン・クラスを指定する必要があり、マニフェストファイル（META-INF/MINIFEST.MFファイルが重要。このファイルを置いた状態でjarを生成する必要あり。
4. 最後の成果物の生成は、コマンドラインからMavenを操作したほうが簡単。
IntelliJから、実行型が生成できていない理由は、おそらくpom.xmlのプラグイン等がなにか足りないか余分な部分があるのではと思うが、いまだよくわからん状態だが、今の所、まあ良いか。。。
いずれにせよ、これでJarファイルから作動するDeep Learningプロジェクトを生成することが可能となった。
—————————————-
ということで、頭をクールダウンして、実行型jarに誘導するためのMaven Pluginを探索する。
参考：https://rx21.exblog.jp/238330755/
にして、buildタグの中身を入れ替える。

<build>
        <plugins>
            <plugin>
                <!-- このプラグインを使うのがお作法らしいです・・。 -->
                <artifactId>maven-assembly-plugin</artifactId>
                <executions>
                    <execution>
                        <id>make-assembly</id>
                        <phase>package</phase>
                        <goals>
                            <goal>single</goal>
                        </goals>
                    </execution>
                </executions>
                <configuration>
                    <descriptorRefs>
                        <!-- 依存するJARを含める場合 -->
                        <descriptorRef>jar-with-dependencies</descriptorRef>
                    </descriptorRefs>
                    <archive>
                        <manifest>
                            <mainClass>org.deeplearning4j.examples.convolution.LenetMnistExample</mainClass>
                        </manifest>
                    </archive>
                    <!-- ファイル名を変更する場合 -->
                    <finalName>DummyJar</finalName>
                </configuration>
            </plugin>
        </plugins>
    </build>

<build>

<artifactId>maven-assembly-plugin</artifactId>

<id>make-assembly</id>

<phase>package</phase>

<goals>

<goal>single</goal>

</goals>

</execution>

</executions>

<descriptorRef>jar-with-dependencies</descriptorRef>

</descriptorRefs>

<mainClass>org.deeplearning4j.examples.convolution.LenetMnistExample</mainClass>

</manifest>

</archive>

<finalName>DummyJar</finalName>

</configuration>

</plugin>

</plugins>

</build>

でIntelliJでbuildしたいが、その前に、ファイル＞プロジェクト構造＞で出力先変更等を試みたが、
何か成果物のプロジェクト構造での出力指定が悪いのか、なかなかIntelliJの細かい設定がわからない。。。。
そこで、再びコマンドラインから、

 mvn clean install

1	mvn clean install

で試してみる。

MacBook-Pro-5:MyArtifact05 $ mvn clean install
[INFO] Scanning for projects...
[INFO] 
[INFO] ------------------------< MyGroup:MyArtifact05 >------------------------
[INFO] Building MyArtifact05 1.0-SNAPSHOT
[INFO] --------------------------------[ jar ]---------------------------------
[INFO] 
[INFO] --- maven-clean-plugin:2.5:clean (default-clean) @ MyArtifact05 ---
[INFO] Deleting /Users/*******/Ideajects/MyArtifact05/target
[INFO] 
.......................
oup/MyArtifact05/1.0-SNAPSHOT/MyArtifact05-1.0-SNAPSHOT.pom
[INFO] Installing /Users/******/Ideajects/MyArtifact05/target/DummyJar-jar-with-dependencies.jar to /Users/******/.m2/repository/MyGroup/MyArtifact05/1.0-SNAPSHOT/MyArtifact05-1.0-SNAPSHOT-jar-with-dependencies.jar
[INFO] ------------------------------------------------------------------------
[INFO] BUILD SUCCESS
[INFO] ------------------------------------------------------------------------
[INFO] Total time: 01:02 min
[INFO] Finished at: 2018-09-10T19:55:14+09:00
[INFO] ------------------------------------------------------------------------

MacBook-Pro-5:MyArtifact05 $ mvn clean install

[INFO] Scanning for projects...

[INFO]

[INFO] ------------------------< MyGroup:MyArtifact05 >------------------------

[INFO] Building MyArtifact05 1.0-SNAPSHOT

[INFO] --------------------------------[ jar ]---------------------------------

[INFO]

[INFO] --- maven-clean-plugin:2.5:clean (default-clean) @ MyArtifact05 ---

[INFO] Deleting /Users/*******/Ideajects/MyArtifact05/target

[INFO]

.......................

oup/MyArtifact05/1.0-SNAPSHOT/MyArtifact05-1.0-SNAPSHOT.pom

[INFO] Installing /Users/******/Ideajects/MyArtifact05/target/DummyJar-jar-with-dependencies.jar to /Users/******/.m2/repository/MyGroup/MyArtifact05/1.0-SNAPSHOT/MyArtifact05-1.0-SNAPSHOT-jar-with-dependencies.jar

[INFO] ------------------------------------------------------------------------

[INFO] BUILD SUCCESS

[INFO] ------------------------------------------------------------------------

[INFO] Total time: 01:02 min

[INFO] Finished at: 2018-09-10T19:55:14+09:00

[INFO] ------------------------------------------------------------------------

ビルド成功！　targetフォルダに成果物DummyJar-jar-with-dependencies.jarが生成されている。

MacBook-Pro-5:MyArtifact05 $ cd target/
MacBook-Pro-5:target $ ls
DummyJar-jar-with-dependencies.jar	classes
MyArtifact03-1.0-SNAPSHOT.jar		maven-archiver
archive-tmp				maven-status

MacBook-Pro-5:MyArtifact05 $ cd target/

MacBook-Pro-5:target $ ls

DummyJar-jar-with-dependencies.jar classes

MyArtifact03-1.0-SNAPSHOT.jar maven-archiver

archive-tmp maven-status

java -jar ****.jarで実行してみると、以下のようにCNN LenetMnistExampleが実行！

MacBook-Pro-5:target $ java -jar DummyJar-jar-with-dependencies.jar 
19:55:43.459 [main] INFO  o.d.e.convolution.LenetMnistExample - Load data....

19:55:43.800 [main] INFO  o.d.e.convolution.LenetMnistExample - Build model....
19:55:43.830 [main] INFO  org.nd4j.linalg.factory.Nd4jBackend - Loaded [CpuBackend] backend
19:55:44.044 [main] INFO  org.nd4j.nativeblas.NativeOpsHolder - Number of threads used for NativeOps:

MacBook-Pro-5:target $ java -jar DummyJar-jar-with-dependencies.jar

19:55:43.459 [main] INFO o.d.e.convolution.LenetMnistExample - Load data....

19:55:43.800 [main] INFO o.d.e.convolution.LenetMnistExample - Build model....

19:55:43.830 [main] INFO org.nd4j.linalg.factory.Nd4jBackend - Loaded [CpuBackend] backend

19:55:44.044 [main] INFO org.nd4j.nativeblas.NativeOpsHolder - Number of threads used for NativeOps:

コマンドラインで実行可能型jarができるということは、修正pom.xmlはOKということで、あとはIntelliJで実行型jarの出力がどうやってできるのか、もう少しIntelliJを弄くらないとわからん。
—————————————-
格言：Deep Learningの深層学習の意味は、プログラミングの深層学習でもあった！
—————————————-

Science To Medicine

Just My Daily Study Note by ts.anesth.kpum

DEEP LEARNING : IntelliJ+MavenでCNN LenetMnistExampleをStandalone作動：AI-Anesth 8