clear_samples_class_svmT_clear_samples_class_svmClearSamplesClassSvmClearSamplesClassSvmclear_samples_class_svm (Operator)
Name
clear_samples_class_svmT_clear_samples_class_svmClearSamplesClassSvmClearSamplesClassSvmclear_samples_class_svm — Löschen aller Trainingsdaten einer Support-Vektor-Maschine.
Signatur
Herror T_clear_samples_class_svm(const Htuple SVMHandle)
def clear_samples_class_svm(svmhandle: MaybeSequence[HHandle]) -> None
Beschreibung
clear_samples_class_svmclear_samples_class_svmClearSamplesClassSvmClearSamplesClassSvmClearSamplesClassSvmclear_samples_class_svm löscht alle mit
add_sample_class_svmadd_sample_class_svmAddSampleClassSvmAddSampleClassSvmAddSampleClassSvmadd_sample_class_svm oder read_samples_class_svmread_samples_class_svmReadSamplesClassSvmReadSamplesClassSvmReadSamplesClassSvmread_samples_class_svm zur
Support-Vektor-Maschine (SVM) SVMHandleSVMHandleSVMHandleSVMHandleSVMHandlesvmhandle hinzugefügten
Trainingsmuster. Eine Verwendung von
clear_samples_class_svmclear_samples_class_svmClearSamplesClassSvmClearSamplesClassSvmClearSamplesClassSvmclear_samples_class_svm ist nur dann sinnvoll, wenn die SVM
in demselben Prozess trainiert wird, in dem die SVM auch zur
Klassifikation mit classify_class_svmclassify_class_svmClassifyClassSvmClassifyClassSvmClassifyClassSvmclassify_class_svm verwendet wird. In
diesem Fall kann der durch die Trainingsmuster belegte Speicher mit
clear_samples_class_svmclear_samples_class_svmClearSamplesClassSvmClearSamplesClassSvmClearSamplesClassSvmclear_samples_class_svm wieder freigegeben werden und somit
Speicherplatz gespart werden. In der üblichen Verwendungsart, in
der die SVM offline trainiert wird und mit write_class_svmwrite_class_svmWriteClassSvmWriteClassSvmWriteClassSvmwrite_class_svm
gespeichert wird, ist die Verwendung von
clear_samples_class_svmclear_samples_class_svmClearSamplesClassSvmClearSamplesClassSvmClearSamplesClassSvmclear_samples_class_svm normalerweise überflüssig, da
write_class_svmwrite_class_svmWriteClassSvmWriteClassSvmWriteClassSvmwrite_class_svm die Trainingsmuster nicht abspeichert, und
somit im Online-Prozess, der die SVM mit read_class_svmread_class_svmReadClassSvmReadClassSvmReadClassSvmread_class_svm
einliest, auch kein Speicher für die Trainingsmuster benötigt
wird.
Ausführungsinformationen
- Multithreading-Typ: reentrant (läuft parallel zu nicht-exklusiven Operatoren).
- Multithreading-Bereich: global (kann von jedem Thread aufgerufen werden).
- Wird ohne Parallelisierung verarbeitet.
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
SVMHandleSVMHandleSVMHandleSVMHandleSVMHandlesvmhandle (input_control, Zustand wird modifiziert) class_svm(-array) → HClassSvm, HTupleMaybeSequence[HHandle]HTupleHtuple (handle) (IntPtr) (HHandle) (handle)
Handle der SVM.
Ergebnis
Sind die Parameterwerte korrekt, liefert
clear_samples_class_svmclear_samples_class_svmClearSamplesClassSvmClearSamplesClassSvmClearSamplesClassSvmclear_samples_class_svm den Wert TRUE. Gegebenenfalls wird
eine Fehlerbehandlung durchgeführt.
Vorgänger
train_class_svmtrain_class_svmTrainClassSvmTrainClassSvmTrainClassSvmtrain_class_svm,
write_samples_class_svmwrite_samples_class_svmWriteSamplesClassSvmWriteSamplesClassSvmWriteSamplesClassSvmwrite_samples_class_svm
Siehe auch
create_class_svmcreate_class_svmCreateClassSvmCreateClassSvmCreateClassSvmcreate_class_svm,
clear_class_svmclear_class_svmClearClassSvmClearClassSvmClearClassSvmclear_class_svm,
add_sample_class_svmadd_sample_class_svmAddSampleClassSvmAddSampleClassSvmAddSampleClassSvmadd_sample_class_svm,
read_samples_class_svmread_samples_class_svmReadSamplesClassSvmReadSamplesClassSvmReadSamplesClassSvmread_samples_class_svm
Modul
Foundation