A partire dal 29 aprile 2025, i modelli Gemini 1.5 Pro e Gemini 1.5 Flash non sono disponibili nei progetti che non li hanno mai utilizzati, inclusi i nuovi progetti. Per maggiori dettagli, vedi Versioni e ciclo di vita dei modelli.
public abstract BlurBaselineConfig getBlurBaselineConfig()
Config for IG con base di sfocatura.
Se questa opzione è abilitata, viene creato un percorso lineare dall'immagine con la massima sfocatura all'immagine di input. L'utilizzo di una base di riferimento sfocata invece che di zero (immagine nera) è motivato dall'approccio BumIG spiegato qui: https://arxiv.org/abs/2004.03383
public abstract BlurBaselineConfigOrBuilder getBlurBaselineConfigOrBuilder()
Config for IG con base di sfocatura.
Se questa opzione è abilitata, viene creato un percorso lineare dall'immagine con la massima sfocatura all'immagine di input. L'utilizzo di una base di riferimento sfocata invece che di zero (immagine nera) è motivato dall'approccio BumIG spiegato qui: https://arxiv.org/abs/2004.03383
public abstract SmoothGradConfig getSmoothGradConfig()
Configurazione per l'approssimazione di UniformGrad dei gradienti.
Quando questa opzione è abilitata, i gradienti vengono approssimati calcolando la media dei gradienti
da campioni rumorosi nelle vicinanze degli input. L'aggiunta di rumore può aiutare a migliorare i gradienti calcolati. Per maggiori dettagli, consulta questo documento: https://arxiv.org/pdf/1706.03825.pdf
public abstract SmoothGradConfigOrBuilder getSmoothGradConfigOrBuilder()
Configurazione per l'approssimazione di UniformGrad dei gradienti.
Quando questa opzione è abilitata, i gradienti vengono approssimati calcolando la media dei gradienti
da campioni rumorosi nelle vicinanze degli input. L'aggiunta di rumore può aiutare a migliorare i gradienti calcolati. Per maggiori dettagli, consulta questo documento: https://arxiv.org/pdf/1706.03825.pdf
Obbligatorio. Il numero di passaggi per l'approssimazione dell'integrale sui cammini.
Un valore valido per iniziare è 50 e aumenta gradualmente fino a quando la somma della proprietà diff non rientra nell'intervallo di errore desiderato.
L'intervallo valido del relativo valore è [1, 100] inclusi.
Se questa opzione è abilitata, viene creato un percorso lineare dall'immagine con la massima sfocatura all'immagine di input. L'utilizzo di una base di riferimento sfocata invece che di zero (immagine nera) è motivato dall'approccio BumIG spiegato qui: https://arxiv.org/abs/2004.03383
Indica se il campo flowBaselineConfig è impostato.
hasSmoothGradConfig()
public abstract boolean hasSmoothGradConfig()
Configurazione per l'approssimazione di UniformGrad dei gradienti.
Quando questa opzione è abilitata, i gradienti vengono approssimati calcolando la media dei gradienti
da campioni rumorosi nelle vicinanze degli input. L'aggiunta di rumore può aiutare a migliorare i gradienti calcolati. Per maggiori dettagli, consulta questo documento: https://arxiv.org/pdf/1706.03825.pdf
[[["Facile da capire","easyToUnderstand","thumb-up"],["Il problema è stato risolto","solvedMyProblem","thumb-up"],["Altra","otherUp","thumb-up"]],[["Difficile da capire","hardToUnderstand","thumb-down"],["Informazioni o codice di esempio errati","incorrectInformationOrSampleCode","thumb-down"],["Mancano le informazioni o gli esempi di cui ho bisogno","missingTheInformationSamplesINeed","thumb-down"],["Problema di traduzione","translationIssue","thumb-down"],["Altra","otherDown","thumb-down"]],["Ultimo aggiornamento 2024-05-17 UTC."],[],[],null,["# Interface IntegratedGradientsAttributionOrBuilder (0.1.0)\n\n public interface IntegratedGradientsAttributionOrBuilder extends MessageOrBuilder\n\nImplements\n----------\n\n[MessageOrBuilder](https://cloud.google.com/java/docs/reference/protobuf/latest/com.google.protobuf.MessageOrBuilder.html)\n\nMethods\n-------\n\n### getBlurBaselineConfig()\n\n public abstract BlurBaselineConfig getBlurBaselineConfig()\n\nConfig for IG with blur baseline.\n\nWhen enabled, a linear path from the maximally blurred image to the input\nimage is created. Using a blurred baseline instead of zero (black image) is\nmotivated by the BlurIG approach explained here:\n\u003chttps://arxiv.org/abs/2004.03383\u003e\n\n`.google.cloud.vertexai.v1beta1.BlurBaselineConfig blur_baseline_config = 3;`\n\n### getBlurBaselineConfigOrBuilder()\n\n public abstract BlurBaselineConfigOrBuilder getBlurBaselineConfigOrBuilder()\n\nConfig for IG with blur baseline.\n\nWhen enabled, a linear path from the maximally blurred image to the input\nimage is created. Using a blurred baseline instead of zero (black image) is\nmotivated by the BlurIG approach explained here:\n\u003chttps://arxiv.org/abs/2004.03383\u003e\n\n`.google.cloud.vertexai.v1beta1.BlurBaselineConfig blur_baseline_config = 3;`\n\n### getSmoothGradConfig()\n\n public abstract SmoothGradConfig getSmoothGradConfig()\n\nConfig for SmoothGrad approximation of gradients.\n\nWhen enabled, the gradients are approximated by averaging the gradients\nfrom noisy samples in the vicinity of the inputs. Adding\nnoise can help improve the computed gradients. Refer to this paper for more\ndetails: \u003chttps://arxiv.org/pdf/1706.03825.pdf\u003e\n\n`.google.cloud.vertexai.v1beta1.SmoothGradConfig smooth_grad_config = 2;`\n\n### getSmoothGradConfigOrBuilder()\n\n public abstract SmoothGradConfigOrBuilder getSmoothGradConfigOrBuilder()\n\nConfig for SmoothGrad approximation of gradients.\n\nWhen enabled, the gradients are approximated by averaging the gradients\nfrom noisy samples in the vicinity of the inputs. Adding\nnoise can help improve the computed gradients. Refer to this paper for more\ndetails: \u003chttps://arxiv.org/pdf/1706.03825.pdf\u003e\n\n`.google.cloud.vertexai.v1beta1.SmoothGradConfig smooth_grad_config = 2;`\n\n### getStepCount()\n\n public abstract int getStepCount()\n\nRequired. The number of steps for approximating the path integral.\nA good value to start is 50 and gradually increase until the\nsum to diff property is within the desired error range.\n\nValid range of its value is \\[1, 100\\], inclusively.\n\n`int32 step_count = 1 [(.google.api.field_behavior) = REQUIRED];`\n\n### hasBlurBaselineConfig()\n\n public abstract boolean hasBlurBaselineConfig()\n\nConfig for IG with blur baseline.\n\nWhen enabled, a linear path from the maximally blurred image to the input\nimage is created. Using a blurred baseline instead of zero (black image) is\nmotivated by the BlurIG approach explained here:\n\u003chttps://arxiv.org/abs/2004.03383\u003e\n\n`.google.cloud.vertexai.v1beta1.BlurBaselineConfig blur_baseline_config = 3;`\n\n### hasSmoothGradConfig()\n\n public abstract boolean hasSmoothGradConfig()\n\nConfig for SmoothGrad approximation of gradients.\n\nWhen enabled, the gradients are approximated by averaging the gradients\nfrom noisy samples in the vicinity of the inputs. Adding\nnoise can help improve the computed gradients. Refer to this paper for more\ndetails: \u003chttps://arxiv.org/pdf/1706.03825.pdf\u003e\n\n`.google.cloud.vertexai.v1beta1.SmoothGradConfig smooth_grad_config = 2;`"]]
