ClassificationResult

public abstract class ClassificationResult

Menampilkan hasil klasifikasi model. Biasanya digunakan sebagai hasil untuk tugas klasifikasi.

Konstruktor Publik

ClassificationResult()

Metode Publik

abstrak Daftar<Klasifikasi>	klasifikasi() Hasil klasifikasi untuk setiap head model.
statis ClassificationResult	create(Daftar<Klasifikasi>, Opsional<Long> timestampMs) Membuat instance `ClassificationResult`.
statis ClassificationResult	createFromProto(protoClassificationsProto.ClassificationResult) Membuat objek `ClassificationResult` dari pesan protobuf `ERROR(/ClassificationsProto.ClassificationResult)`.
abstrak Opsional<Panjang>	timestampMs() Stempel waktu opsional (dalam milidetik) awal potongan data yang terkait dengan hasil ini.

Metode Turunan

Dari class java.lang.Object

boolean	sama dengan(Object arg0)
final Class<?>	getClass()
int	hashCode()
final void	notify()
final void	notifyAll()
String	toString()
final void	wait(long arg0, int arg1)
final void	wait(long arg0)
final void	wait()

Konstruktor Publik

publik ClassificationResult ()

Metode Publik

public abstrak Daftar<Klasifikasi> klasifikasi ()

Hasil klasifikasi untuk setiap head model.

publik statis ClassificationResult buat (Daftar<Klasifikasi> klasifikasi, Opsional<Long> timestampMs)

Membuat instance ClassificationResult.

Parameter

klasifikasi	daftar objek `Classifications` yang berisi kategori yang diprediksi untuk setiap head model.
timestampMs	stempel waktu opsional (dalam milidetik) awal potongan data yang terkait dengan hasil tersebut.

public statis ClassificationResult createFromProto (protoClassificationsProto.ClassificationResult)

Membuat objek ClassificationResult dari pesan protobuf ERROR(/ClassificationsProto.ClassificationResult).

Parameter

proto	pesan protobuf `ERROR(/ClassificationsProto.ClassificationResult)` yang akan dikonversi.

public abstrak Opsional<Long> timestampMs ()

Stempel waktu opsional (dalam milidetik) awal potongan data yang terkait dengan hasil ini.

Ini hanya digunakan untuk klasifikasi pada deret waktu (misalnya klasifikasi audio). Dalam kasus penggunaan ini, jumlah data yang akan diproses dapat melebihi ukuran maksimum yang dapat diproses oleh model: untuk mengatasi hal ini, data input dibagi menjadi beberapa potongan yang dimulai pada stempel waktu yang berbeda.