返回包含核心 ML 模型评估结果的 JSON 对象。
对于常规模型:
ComputeModel (模型名称 ; 参数名称1 ; 值1)
对于视觉模型:
ComputeModel (模型名称 ; "image" ; 值1 ; "threshold" ; returnAtLeastOne)
模型名称
- 要解析的模型的名称。该值必须与先前加载的模型的名称相匹配。
参数名称1
- 模型设计者定义的输入参数的名称。在使用模型之前,您必须知道每一个参数的名称。
值1
- 模型输入参数的值。
image
(仅限于视觉模型)- 模型将要解析的数据类型。
threshold
(仅限于视觉模型)(可选)- 通过排除小于指定值的结果来限制视觉模型返回的结果数量。该必须介于 0.0 和 1.0 之间。
returnAtLeastOne
(仅限于视觉模型)- 真(非零)或假(零)值。如果所有结果都被 threshold
排除,并且:
•如果 returnAtLeastOne
为真,则返回最高置信度的结果
•如果 returnAtLeastOne
为假或者未指定,则返回空字符串
文本
19.0
返回的对象可以一组名称-值对,也可以是单个名称-值对,具体取决于所解析模型的定义。
•在使用 ComputeModel 之前,必须先使用配置机器学习模型脚本步骤加载核心 ML 模型。
•输入参数后必须紧跟其各自的值,并且可以使用多个输入参数-值对。
•如果结果包含两个具有相同置信度的匹配项,则仅返回第一个值。
假定已经加载了一个名为 MobileNet
的模型,并且一个名为 myImageField
的容器字段位于当前布局上(或者可用于计算):
计算模型 ("MobileNet"; "图像"; myImageField)
使用给定的模型在解析 myImageField
中的图像并返回以下 JSON 字符串:
[{"classification":"grand piano, grand","confidence":0.9980730414390564},
{"classification":"upright, upright piano","confidence":0.0019267344614490867},
{"classification":"pool table, billiard table, snooker table","confidence":8.3467860179098352e-08},
{"classification":"dining table, board","confidence":2.6059957747293083e-08},
为简洁起见,省略了一些行
{{"classification":"puffer, pufferfish, blowfish, globefish","confidence":5.1951665669627816e-18}]
使用示例 1 中的相同模型、容器字段和图像,进行以下计算:
计算模型("MobileNet"; "图像"; myImageField; "阈值"; 1.0; "返回至少一"; 1)
返回 JSON 字符串:
[{"classification":"grand piano, grand","confidence":0.9980730414390564}]
为 threshold
传递 1.0 的值将排除所有结果。但是,由于 returnAtLeastOne
设置为非零值,因此将返回具有最高置信度的结果。