clear_samples_class_gmmT_clear_samples_class_gmmClearSamplesClassGmmClearSamplesClassGmm (Operator)

Name

clear_samples_class_gmmT_clear_samples_class_gmmClearSamplesClassGmmClearSamplesClassGmm — Löschen aller Trainingsdaten eines Gaussian Mixture Models.

Signatur

clear_samples_class_gmm( : : GMMHandle : )

Herror T_clear_samples_class_gmm(const Htuple GMMHandle)

void ClearSamplesClassGmm(const HTuple& GMMHandle)

static void HClassGmm::ClearSamplesClassGmm(const HClassGmmArray& GMMHandle)

void HClassGmm::ClearSamplesClassGmm() const

static void HOperatorSet.ClearSamplesClassGmm(HTuple GMMHandle)

static void HClassGmm.ClearSamplesClassGmm(HClassGmm[] GMMHandle)

void HClassGmm.ClearSamplesClassGmm()

Beschreibung

clear_samples_class_gmmclear_samples_class_gmmClearSamplesClassGmmClearSamplesClassGmmClearSamplesClassGmm löscht alle in dem Gaussian Mixture Model (GMM) GMMHandleGMMHandleGMMHandleGMMHandleGMMHandle abgespeicherten Trainingsmuster. Eine Verwendung von clear_samples_class_gmmclear_samples_class_gmmClearSamplesClassGmmClearSamplesClassGmmClearSamplesClassGmm ist nur dann sinnvoll, wenn das GMM in demselben Prozess trainiert wird, in dem das GMM auch zur Evaluierung mit evaluate_class_gmmevaluate_class_gmmEvaluateClassGmmEvaluateClassGmmEvaluateClassGmm oder zur Klassifikation mit classify_class_gmmclassify_class_gmmClassifyClassGmmClassifyClassGmmClassifyClassGmm verwendet wird. In diesem Fall kann der durch die Trainingsmuster belegte Speicher mit clear_samples_class_gmmclear_samples_class_gmmClearSamplesClassGmmClearSamplesClassGmmClearSamplesClassGmm wieder freigegeben werden, und somit Speicherplatz gespart werden. In der üblichen Verwendungsart, in der das GMM offline trainiert wird und mit write_class_gmmwrite_class_gmmWriteClassGmmWriteClassGmmWriteClassGmm gespeichert wird, ist die Verwendung von clear_samples_class_gmmclear_samples_class_gmmClearSamplesClassGmmClearSamplesClassGmmClearSamplesClassGmm normalerweise überflüssig, da write_class_gmmwrite_class_gmmWriteClassGmmWriteClassGmmWriteClassGmm die Trainingsmuster nicht abspeichert, und somit im Online-Prozess, der das GMM mit read_class_gmmread_class_gmmReadClassGmmReadClassGmmReadClassGmm einliest, auch kein Speicher für die Trainingsmuster benötigt wird.

Ausführungsinformationen

Dieser Operator modifiziert den Zustand des folgenden Eingabeparameters:

Während der Ausführung dieses Operators muss der Zugriff auf den Wert dieses Parameters synchronisiert werden, wenn er über mehrere Threads hinweg verwendet wird.

Parameter

GMMHandleGMMHandleGMMHandleGMMHandleGMMHandle (input_control, Zustand wird modifiziert)  class_gmm(-array) HClassGmm, HTupleHTupleHtuple (handle) (IntPtr) (HHandle) (handle)

Handle des GMM.

Ergebnis

Sind die Parameterwerte korrekt, dann liefert clear_samples_class_gmmclear_samples_class_gmmClearSamplesClassGmmClearSamplesClassGmmClearSamplesClassGmm den Wert 2 (H_MSG_TRUE). Gegebenenfalls wird eine Fehlerbehandlung durchgeführt.

Vorgänger

train_class_gmmtrain_class_gmmTrainClassGmmTrainClassGmmTrainClassGmm, write_samples_class_gmmwrite_samples_class_gmmWriteSamplesClassGmmWriteSamplesClassGmmWriteSamplesClassGmm

Siehe auch

create_class_gmmcreate_class_gmmCreateClassGmmCreateClassGmmCreateClassGmm, clear_class_gmmclear_class_gmmClearClassGmmClearClassGmmClearClassGmm, add_sample_class_gmmadd_sample_class_gmmAddSampleClassGmmAddSampleClassGmmAddSampleClassGmm, read_samples_class_gmmread_samples_class_gmmReadSamplesClassGmmReadSamplesClassGmmReadSamplesClassGmm

Modul

Foundation