EmbeddingVector 類別

定義

命名空間:: Android.App.AppSearch

組件:: Mono.Android.dll

重要

部分資訊涉及發行前產品，在發行之前可能會有大幅修改。 Microsoft 對此處提供的資訊，不做任何明確或隱含的瑕疵擔保。

嵌入是資料的向量表示方式，如文字、影像和音訊，可由機器學習模型產生並用於語意搜尋。

[Android.Runtime.Register("android/app/appsearch/EmbeddingVector", ApiSince=36, DoNotGenerateAcw=true)]
public sealed class EmbeddingVector : Java.Lang.Object, Android.OS.IParcelable, IDisposable

[<Android.Runtime.Register("android/app/appsearch/EmbeddingVector", ApiSince=36, DoNotGenerateAcw=true)>]
type EmbeddingVector = class
    inherit Object
    interface IParcelable
    interface IJavaObject
    interface IDisposable
    interface IJavaPeerable

繼承: Object

JavaObject

Object
EmbeddingVector

屬性: RegisterAttribute

實作: IParcelable IJavaObject IJavaPeerable IDisposable

備註

嵌入是資料的向量表示方式，如文字、影像和音訊，可由機器學習模型產生並用於語意搜尋。此類別代表一個嵌入向量，包裹一個浮點陣列以表示嵌入向量的值，並有一個模型簽名，該簽名可為任意字串，用以區分由不同模型產生的嵌入向量。

欲了解更多嵌入搜尋的運作方式，請參閱 AppSearchSession#search 和 SearchSpec.Builder#setRankingStrategy(String)。

Java 文件 android.app.appsearch.EmbeddingVector。

本頁部分內容為基於 Open Source Project 所創建與分享的作品，並依授權條款所描述的使用進行修改。

建構函式

名稱	Description
EmbeddingVector(Single[], String)	會產生一個新的 `EmbeddingVector`。

屬性

名稱	Description
Class	回傳此 `Object`的執行時類別。 (繼承來源 Object)
Creator	嵌入是資料的向量表示方式，如文字、影像和音訊，可由機器學習模型產生並用於語意搜尋。
Handle	底層 Android 實例的帳號。 (繼承來源 Object)
JniIdentityHashCode	取得由互通執行時指派給此 Java 對等端的身份雜湊碼。 (繼承來源 Object)
JniManagedPeerState	嵌入是資料的向量表示方式，如文字、影像和音訊，可由機器學習模型產生並用於語意搜尋。 (繼承來源 JavaObject)
JniPeerMembers	嵌入是資料的向量表示方式，如文字、影像和音訊，可由機器學習模型產生並用於語意搜尋。
ModelSignature	回傳此嵌入向量的模型簽名，該符號是用來區分不同模型產生的嵌入向量的任意字串。
PeerReference	取得這個 Java 節點的 JNI 物件參考。 (繼承來源 Object)
ThresholdClass	此 API 支援 Mono for Android 基礎架構，並非直接從你的程式碼中使用。 (繼承來源 Object)
ThresholdType	此 API 支援 Mono for Android 基礎架構，並非直接從你的程式碼中使用。 (繼承來源 Object)

方法

名稱	Description
Clone()	建立並回傳此物件的副本。 (繼承來源 Object)
Construct(JniObjectReference, JniObjectReferenceOptions)	嵌入是資料的向量表示方式，如文字、影像和音訊，可由機器學習模型產生並用於語意搜尋。 (繼承來源 JavaObject)
DescribeContents()	描述此 Parcelable 實例的分組表示中包含的特殊物件種類。
Dispose()	釋放該 Java 節點所持有的資源。 (繼承來源 Object)
Dispose(Boolean)	釋放該 Java 節點所持有的資源。 (繼承來源 Object)
DisposeUnlessReferenced()	嵌入是資料的向量表示方式，如文字、影像和音訊，可由機器學習模型產生並用於語意搜尋。 (繼承來源 JavaObject)
Equals(Object)	嵌入是資料的向量表示方式，如文字、影像和音訊，可由機器學習模型產生並用於語意搜尋。 (繼承來源 JavaObject)
Equals(Object)	表示是否有其他物體「等同」於此物。 (繼承來源 Object)
GetHashCode()	回傳物件的雜湊碼值。 (繼承來源 Object)
GetValues()	回傳此嵌入向量的值。
JavaFinalize()	當垃圾回收判定該物件不再有相關參考時，由垃圾回收器呼叫。 (繼承來源 Object)
Notify()	喚醒一個正在該物件監視器上等待的執行緒。 (繼承來源 Object)
NotifyAll()	喚醒所有等待該物件監視器的執行緒。 (繼承來源 Object)
SetHandle(IntPtr, JniHandleOwnership)	設定 Handle 屬性。 (繼承來源 Object)
SetPeerReference(JniObjectReference, JniObjectReferenceOptions)	嵌入是資料的向量表示方式，如文字、影像和音訊，可由機器學習模型產生並用於語意搜尋。 (繼承來源 JavaObject)
ToArray<T>()	從這個 Java 陣列包裝器建立一個受管理陣列。 (繼承來源 Object)
ToString()	回傳物件的字串表示。 (繼承來源 Object)
UnregisterFromRuntime()	將此 Java 節點從互通執行時中取消註冊。 (繼承來源 Object)
Wait()	導致目前執行緒等待被喚醒，通常是透過 <em>通知</><em 或 em>中斷</em> 來喚醒。 (繼承來源 Object)
Wait(Int64, Int32)	會讓目前執行緒等待喚醒，通常是透過 <em>通知</><em 或 em>中斷</em>，或是經過一定的真實時間。 (繼承來源 Object)
Wait(Int64)	會讓目前執行緒等待喚醒，通常是透過 <em>通知</><em 或 em>中斷</em>，或是經過一定的真實時間。 (繼承來源 Object)
WriteToParcel(Parcel, ParcelableWriteFlags)	把這個物體壓扁成一個包裹。

明確介面實作

名稱	Description
IJavaPeerable.Disposed()	嵌入是資料的向量表示方式，如文字、影像和音訊，可由機器學習模型產生並用於語意搜尋。 (繼承來源 JavaObject)
IJavaPeerable.Finalized()	嵌入是資料的向量表示方式，如文字、影像和音訊，可由機器學習模型產生並用於語意搜尋。 (繼承來源 JavaObject)
IJavaPeerable.JniObjectReferenceControlBlock	嵌入是資料的向量表示方式，如文字、影像和音訊，可由機器學習模型產生並用於語意搜尋。 (繼承來源 JavaObject)
IJavaPeerable.SetJniIdentityHashCode(Int32)	嵌入是資料的向量表示方式，如文字、影像和音訊，可由機器學習模型產生並用於語意搜尋。 (繼承來源 JavaObject)
IJavaPeerable.SetJniManagedPeerState(JniManagedPeerStates)	嵌入是資料的向量表示方式，如文字、影像和音訊，可由機器學習模型產生並用於語意搜尋。 (繼承來源 JavaObject)
IJavaPeerable.SetPeerReference(JniObjectReference)	嵌入是資料的向量表示方式，如文字、影像和音訊，可由機器學習模型產生並用於語意搜尋。 (繼承來源 JavaObject)
IJavaPeerable.UnregisterFromRuntime()	嵌入是資料的向量表示方式，如文字、影像和音訊，可由機器學習模型產生並用於語意搜尋。

擴充方法

名稱	Description
GetJniTypeName(IJavaPeerable)	取得實例 `self`類型的 JNI 名稱。
JavaAs<TResult>(IJavaPeerable)	試著強制`self`輸入 `TResult`，檢查強制在 Java 端是否有效。
JavaCast<TResult>(IJavaObject)	執行 Android 執行時檢查型別轉換。
JavaCast<TResult>(IJavaObject)	嵌入是資料的向量表示方式，如文字、影像和音訊，可由機器學習模型產生並用於語意搜尋。
TryJavaCast<TResult>(IJavaPeerable, TResult)	試著強制`self`輸入 `TResult`，檢查強制在 Java 端是否有效。

適用於