Stellt die Klassifizierungsergebnisse eines Modells dar. Wird normalerweise als Ergebnis für Klassifizierungsaufgaben verwendet.
Public Constructors
Public Methods
| Zusammenfassung List<Classifications> |
classifications()
Die Klassifizierungsergebnisse für jeden Kopf des Modells.
|
| static ClassificationResult |
create(Auflisten<Klassifizierungen> Klassifizierungen, Optional<Lang> ZeitstempelMs)
Erstellt eine
ClassificationResult-Instanz. |
| static ClassificationResult |
createFromProto(ClassificationsProto.ClassificationResult proto)
Erstellt ein
ClassificationResult-Objekt aus einer ERROR(/ClassificationsProto.ClassificationResult)-Protobuf-Nachricht. |
| abstrakt Optional<Long> |
timestampMs()
Der optionale Zeitstempel (in Millisekunden) des Anfangs des Datenblocks, der diesen Ergebnissen entspricht.
|
Übernommene Methoden
Public Constructors
public ClassificationResult ()
Public Methods
public abstrakt List<Classifications> classifications ()
Die Klassifizierungsergebnisse für jeden Kopf des Modells.
public static ClassificationResult create (List<Classifications> classifications, optional<Long> timestampMs)
Erstellt eine ClassificationResult-Instanz.
Parameter
| Klassifizierungen | Die Liste der Classifications-Objekte, die die vorhergesagten Kategorien für jeden Kopf des Modells enthalten. |
|---|---|
| timestampMs | den optionalen Zeitstempel (in Millisekunden) des Anfangs des Datenblocks, der diesen Ergebnissen entspricht. |
public static ClassificationResult createFromProto (ClassificationsProto.ClassificationResult proto)
Erstellt ein ClassificationResult-Objekt aus einer ERROR(/ClassificationsProto.ClassificationResult)-Protobuf-Nachricht.
Parameter
| proto | Die zu konvertierende protobuf-Nachricht ERROR(/ClassificationsProto.ClassificationResult).
|
|---|
public abstrakt Optional<Long> timestampMs ()
Der optionale Zeitstempel (in Millisekunden) des Anfangs des Datenblocks, der diesen Ergebnissen entspricht.
Dies wird nur zur Klassifizierung von Zeitreihen verwendet (z.B. Audioklassifizierung). In diesen Anwendungsfällen kann die zu verarbeitende Datenmenge die maximale Größe überschreiten, die das Modell verarbeiten kann. Um dieses Problem zu lösen, werden die Eingabedaten beginnend bei verschiedenen Zeitstempeln in mehrere Blöcke aufgeteilt.