使用交叉验证选择Apache Spark中多层感知器的网络架构

我正在努力确定Apache Spark中多层接收器的最佳架构,我想知道是否可以使用交叉验证。

一些代码:

// define layers
int[] layers = new int[] {784, 78, 35, 10};
int[] layers2 = new int[] {784, 28, 28, 10};
int[] layers3 = new int[] {784, 84, 10};
int[] layers4 = new int[] {784, 392, 171, 78, 10};

MultilayerPerceptronClassifier mlp = new MultilayerPerceptronClassifier()
        .setMaxIter(25)
        .setLayers(layers4);

ParamMap[] paramGrid = new ParamGridBuilder()
        .addGrid(mlp.seed(), new long[] {895L, 12345L})
        //.addGrid(mlp.layers(), new int[][] {layers, layers2, layers3})
        .build();

CrossValidator cv = new CrossValidator()
        .setEstimator(mlp)
        .setEvaluator(new MulticlassClassificationEvaluator())
        .setEstimatorParamMaps(paramGrid).setNumFolds(10);

CrossValidatorModel model = cv.fit(train);

如您所见,我在整数数组(layers-layers4)中定义了一些架构。

实际上,我必须多次拟合模型,手动更改学习算法的层参数。

我想要的是在传递给交叉验证器(ParamMap中注释掉的行)的ParamMap中提供不同的架构。

我怀疑这是可能的,因为ParamGridBuilder似乎知道layers()方法,但它不接受提供的参数。

如果我在这个假设中是正确的,那么我做错了什么?我如何才能使它按预期工作?