EmbeddingResult

публичный абстрактный класс EmbeddingResult

Представляет результаты внедрения модели. Обычно используется в результате для задач внедрения.

Публичные конструкторы

Публичные методы

статический EmbeddingResult
create ( List <Embedding> Embeddings, Необязательно <Long> timestampMs)
Создает экземпляр EmbeddingResult .
статический EmbeddingResult
createFromProto (прототип EmbeddingsProto.EmbeddingResult)
Создает объект EmbeddingResult из сообщения protobuf ERROR(/EmbeddingsProto.EmbeddingResult) .
абстрактный список < Вложение >
вложения ()
Результаты встраивания для каждой головы модели.
абстрактный Необязательный < Длинный >
временная меткаMs ()
Необязательная временная метка (в миллисекундах) начала фрагмента данных, соответствующего этим результатам.

Унаследованные методы

Публичные конструкторы

общедоступный результат встраивания ()

Публичные методы

public static EmbeddingResult create ( List < Embedding > embeddings, необязательно < Long > timestampMs)

Создает экземпляр EmbeddingResult .

Параметры
вложения список объектов Embedding , содержащий встраивание для каждой головы модели.
временная меткаMs необязательная временная метка (в миллисекундах) начала фрагмента данных, соответствующего этим результатам.

public static EmbeddingResult createFromProto (прототип EmbeddingsProto.EmbeddingResult)

Создает объект EmbeddingResult из сообщения protobuf ERROR(/EmbeddingsProto.EmbeddingResult) .

Параметры
прото сообщение protobuf ERROR(/EmbeddingsProto.EmbeddingResult) для преобразования.

общедоступный абстрактный список < Встраивание > встраивания ()

Результаты встраивания для каждой головы модели.

public Abstract Необязательный < Long > timestampMs ()

Необязательная временная метка (в миллисекундах) начала фрагмента данных, соответствующего этим результатам.

Это используется только для встраивания извлечения во временные ряды (например, для встраивания звука). 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.