Representa los resultados de clasificación de un modelo. Por lo general, se usa como resultado para tareas de clasificación.
Constructores públicos
Métodos públicos
| resumen List<Classifications> |
classifications()
Los resultados de clasificación para cada cabeza del modelo.
|
| ClassificationResult estático |
create(List<Classifications> clasificaciones, opcional<Long> timestampMs)
Crea una instancia de
ClassificationResult. |
| ClassificationResult estático |
createFromProto(proto ClassificationsProto.ClassificationResult)
Crea un objeto
ClassificationResult a partir de un mensaje protobuf de ERROR(/ClassificationsProto.ClassificationResult). |
| resumen Opcional<Long> |
timestampMs()
Es la marca de tiempo opcional (en milisegundos) del inicio del fragmento de datos correspondiente a estos resultados.
|
Métodos heredados
Constructores públicos
public ClassificationResult ()
Métodos públicos
resumen público List<Classifications> classifications ()
Los resultados de clasificación para cada cabeza del modelo.
público estático ClassificationResult create (List<Classifications> clasificaciones, opcional<Long> timestampMs)
Crea una instancia de ClassificationResult.
Parámetros
| clasificaciones | Es la lista de objetos Classifications que contienen las categorías
previstas para cada cabeza del modelo. |
|---|---|
| timestampMs | la marca de tiempo opcional (en milisegundos) del inicio del fragmento de datos correspondiente a estos resultados |
público estático ClassificationResult createFromProto (ClassificationsProto.ClassificationResult proto)
Crea un objeto ClassificationResult a partir de un mensaje protobuf de ERROR(/ClassificationsProto.ClassificationResult).
Parámetros
| proto | el mensaje protobuf ERROR(/ClassificationsProto.ClassificationResult) para convertir.
|
|---|
resumen público opcional<Long> timestampMs ()
Es la marca de tiempo opcional (en milisegundos) del inicio del fragmento de datos correspondiente a estos resultados.
Solo se usa para la clasificación de series temporales (p.ej., clasificación de audio). En estos casos prácticos, la cantidad de datos a procesar puede exceder el tamaño máximo que el modelo puede procesar. Para resolver esto, los datos de entrada se dividen en varios fragmentos a partir de diferentes marcas de tiempo.