Представляет результаты классификации модели. Обычно используется в качестве результата для задач классификации.
Публичные конструкторы
Публичные методы
| абстрактный список < Классификации > | классификации () Результаты классификации для каждой главы модели. |
| статический результат классификации | create ( Список < Классификации > классификации, Необязательно <Long> timestampMs) Создает экземпляр ClassificationResult . |
| статический результат классификации | createFromProto (прототип ClassificationsProto.ClassificationResult) Создает объект ClassificationResult из сообщения protobuf ERROR(/ClassificationsProto.ClassificationResult) . |
| абстрактный Необязательный < Длинный > | временная меткаMs () Необязательная временная метка (в миллисекундах) начала фрагмента данных, соответствующего этим результатам. |
Унаследованные методы
Публичные конструкторы
публичный результат классификации ()
Публичные методы
общедоступный абстрактный список < Классификации > классификации ()
Результаты классификации для каждой главы модели.
public static ClassificationResult create ( List < Classifications > классификация, необязательно < Long > timestampMs)
Создает экземпляр ClassificationResult .
Параметры
| классификации | список объектов Classifications , содержащий прогнозируемые категории для каждой главы модели. |
|---|---|
| временная меткаMs | необязательная временная метка (в миллисекундах) начала фрагмента данных, соответствующего этим результатам. |
public static ClassificationResult createFromProto (прототип ClassificationsProto.ClassificationResult)
Создает объект ClassificationResult из сообщения protobuf ERROR(/ClassificationsProto.ClassificationResult) .
Параметры
| прото | сообщение protobuf ERROR(/ClassificationsProto.ClassificationResult) для преобразования. |
|---|
public Abstract Необязательный < Long > timestampMs ()
Необязательная временная метка (в миллисекундах) начала фрагмента данных, соответствующего этим результатам.
Это используется только для классификации по временным рядам (например, аудиоклассификация). В этих случаях использования объем обрабатываемых данных может превышать максимальный размер, который может обработать модель: чтобы решить эту проблему, входные данные разбиваются на несколько фрагментов, начиная с разных временных меток.