Invocar previsões com o gerenciamento de endpoints de modelo

Esta página descreve como invocar previsões usando os endpoints de modelo registrados no gerenciamento de endpoint de modelo.

Antes de começar

Verifique se você registrou o endpoint do modelo com o gerenciamento de endpoints do modelo. Para mais informações, consulte Registrar um endpoint de modelo com o gerenciamento de endpoints de modelo.

Invocar previsões para modelos genéricos

Use a função SQL google_ml.predict_row() para chamar um endpoint de modelo genérico registrado para invocar previsões.

SELECT
  google_ml.predict_row(
    model_id => 'MODEL_ID',
    request_body => 'REQUEST_BODY');

Substitua:

• MODEL_ID: o ID do modelo que você definiu ao registrar o endpoint do modelo.
• REQUEST_BODY: os parâmetros para a função de previsão, no formato JSON.

Exemplos

Esta seção inclui alguns exemplos de invocação de previsões usando endpoints de modelo registrados.

Para gerar previsões para um endpoint de modelo gemini-1.5-pro:streamGenerateContent registrado, execute a seguinte instrução:

  SELECT
  json_array_elements( google_ml.predict_row( model_id => 'gemini-1.5-pro:streamGenerateContent',
      request_body => '{ "contents": [ { "role": "user", "parts": [ { "text": "For TPCH database schema as mentioned here https://www.tpc.org/TPC_Documents_Current_Versions/pdf/TPC-H_v3.0.1.pdf , generate a SQL query to find all supplier names which are located in the India nation." } ] } ] }'))-> 'candidates' -> 0 -> 'content' -> 'parts' -> 0 -> 'text';

Para gerar previsões para um endpoint de modelo facebook/bart-large-mnli registrado no Hugging Face, execute a seguinte instrução:

  SELECT
  google_ml.predict_row(
    model_id => 'facebook/bart-large-mnli',
    request_body =>
      '{
       "inputs": "Hi, I recently bought a device from your company but it is not working as advertised and I would like to get reimbursed!",
    "parameters": {"candidate_labels": ["refund", "legal", "faq"]}
    }'
  );

Para gerar previsões para um endpoint de modelo claude-3-opus-20240229 registrado do Anthropic, execute a seguinte instrução:

  SELECT
  google_ml.predict_row('anthropic-opus', '{
    "model": "claude-3-opus-20240229",
    "max_tokens": 1024,
    "messages": [
        {"role": "user", "content": "Hello, world"}
    ]
  }');