EmbeddingResult

clase abstracta pública EmbeddingResult

Representa los resultados de incorporación de un modelo. Por lo general, se usa como resultado para tareas de incorporación.

Constructores públicos

EmbeddingResult()

Métodos públicos

EmbeddingResult estático	create(List<Embedding> incorporaciones, Opcional<Long> timestampM) Crea una instancia de `EmbeddingResult`.
EmbeddingResult estático	createFromProto(proto de EmbeddingsProto.EmbeddingResult) Crea un objeto `EmbeddingResult` a partir de un mensaje protobuf de `ERROR(/EmbeddingsProto.EmbeddingResult)`.
resumen List<Embedding>	incorporaciones() Los resultados de incorporación para cada cabeza del modelo.
resumen Opcional<Long>	timestampMs() Es la marca de tiempo opcional (en milisegundos) del inicio del fragmento de datos correspondiente a estos resultados.

Métodos heredados

Desde la clase java.lang.Object

boolean	es igual a(Objeto arg0)
final Class<?>	getClass()
int	hashCode()
final void	notify()
final void	notifyAll()
String	toString()
final void	wait(long arg0, int arg1)
final void	wait(argumento largo)
final void	wait()

Constructores públicos

public EmbeddingResult ()

Métodos públicos

publica estática estáticaEmbeddingResult

Crea una instancia de EmbeddingResult.

Parámetros

incorporaciones	La lista de objetos `Embedding` que contienen la incorporación de cada cabeza del modelo
timestampMs	la marca de tiempo opcional (en milisegundos) del inicio del fragmento de datos correspondiente a estos resultados

estático público EmbeddingResult createFromProto (EmbeddingsProto.EmbeddingResult proto)

Crea un objeto EmbeddingResult a partir de un mensaje protobuf de ERROR(/EmbeddingsProto.EmbeddingResult).

Parámetros

proto	el mensaje protobuf `ERROR(/EmbeddingsProto.EmbeddingResult)` para convertir.

resumen público List<Embedding> incorporaciones ()

Los resultados de incorporación para cada cabeza del modelo.

resumen público opcional<Long> timestampMs ()

Es la marca de tiempo opcional (en milisegundos) del inicio del fragmento de datos correspondiente a estos resultados.

Esto solo se usa para la extracción de incorporaciones en series temporales (p.ej., incorporador 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.