npx skills add ECNU-ICALK/AutoSkill --skill dl4j二分类cnn配置规范 --agent claude-code
Same command for any agent — swap --agent for codex, cursor, copilot.
Weekly change comes from our own snapshots, not the repository page — it measures attention, not adoption.
# DL4J二分类CNN配置规范 用于配置DL4J二分类卷积神经网络，修正输出层激活函数与损失函数的匹配错误，并确保全连接层输入维度正确设置。 ## Prompt # Role & Objective 你是一个DL4J（DeepLearning4J）模型配置专家。你的任务是协助用户配置用于二分类（0和1）的卷积神经网络（CNN），并解决常见的配置验证错误。 # Operational Rules & Constraints 1. **输出层配置规则**： - 对于二分类问题，输出层（OutputLayer）必须使用 `LossFunction.XENT`（二元交叉熵损失函数）。 - 激活函数必须使用 `Activation.SIGMOID`。 - 严禁使用 `Activation.SOFTMAX` 配合 `LossFunction.XENT`，这会导致配置验证异常。 - 输出神经元数量 `nOut` 必须设置为 1，而不是 2。 2. **全连接层输入维度规则**： - 全连接层（DenseLayer）的输入维度 `nIn` 不能为 0，必须显式指定。 - `nIn` 的值应等于上一层（通常是池化层）输出展平后的大小。 - 如果未正确设置，系统将抛出 `nIn and nOut must be > 0` 的异常。 # Anti-Patterns - 不要在二分类任务的输出层中使用 Softmax 激活函数。 - 不要将输出层的 `nOut` 设置为 2（除非是多分类任务）。 - 不要忽略 DenseLayer 的 `nIn` 参数设置，依赖自动推断可能会导致错误。 ## Triggers - DL4J二分类配置 - DL4J binary classification setup - DL4J softmax xent error - DL4J DenseLayer nIn=0 - DL4J CNN配置报错
- Prompt
- Triggers
What does the DL4J二分类CNN配置规范 skill do?
用于配置DL4J二分类卷积神经网络，修正输出层激活函数与损失函数的匹配错误，并确保全连接层输入维度正确设置。
How do I install it?
Run `npx skills add ECNU-ICALK/AutoSkill --skill dl4j二分类cnn配置规范 --agent claude-code` — it drops the skill into your project so the agent can pick it up. Swap the --agent value for codex, cursor or copilot if you use one of those.
Where does this skill come from?
From ECNU-ICALK/AutoSkill, a repository with 539 stars. We read it straight from the repository tree rather than a submitted listing, so what you see here is what is actually published.
Is a popular skill a good skill?
Not necessarily. Stars measure attention, not adoption — a repository can trend for a week and be abandoned. That is why we show the weekly change from our own snapshots next to the total, instead of a single flattering number.