Gemini untuk pengguna teks AutoML

Halaman ini memberikan perbandingan antara teks AutoML dan Gemini untuk membantu pengguna teks AutoML memahami cara menggunakan Gemini.

Periksa tabel yang berlaku untuk kasus penggunaan Anda, lalu tinjau perubahan yang mungkin memengaruhi alur kerja Anda.

Penggunaan umum

Perbedaan ini berlaku untuk semua pengguna Gemini.

Operasi AutoML Text Gemini
Format data pelatihan Anda dapat menggunakan file CSV atau JSON Lines, kecuali untuk ekstraksi entity teks, untuk menyertakan cuplikan teks inline atau untuk mereferensikan dokumen yang berjenis TXT. Ekstraksi entitas hanya mendukung file JSON Lines. Anda hanya dapat menggunakan file JSON Lines. Setiap baris dalam file harus mewakili satu contoh pelatihan. Anda dapat mendownload set data sampel untuk menyesuaikan model Gemini. File harus disimpan di Cloud Storage.
Anotasi set data Anotasi dikelompokkan bersama sebagai objek AnnotationSet. Anda dapat menggunakan kumpulan anotasi yang berbeda dengan set data yang sama. Anotasi set data tidak berlaku dengan Gemini.
Impor set data Anda menentukan nilai penggunaan ML di kolom opsional untuk CSV, di baris yang sama dengan data; atau sebagai tag di JSON Lines pada objek JSON yang sama dengan data. Jika Anda tidak menentukan nilai penggunaan ML, data Anda akan otomatis dibagi untuk pelatihan, pengujian, dan validasi.
Untuk analisis sentimen, file CSV harus menyertakan nilai maksimum sentimen di kolom terakhir setiap baris.		 Anda harus memiliki dua file JSONL terpisah, satu untuk pelatihan dan satu lagi untuk validasi. File validasi bersifat opsional. File validasi harus memiliki 10-256 contoh.
Biaya penyimpanan Saat membuat set data, data Anda akan dimuat ke Cloud Storage di project Anda. Anda akan dikenakan biaya untuk penyimpanan ini. Pelajari lebih lanjut. Saat membuat set data, data Anda akan dimuat ke Cloud Storage di project Anda. Anda akan dikenakan biaya untuk penyimpanan ini. Pelajari lebih lanjut
Pelabelan data Anda memberikan petunjuk pelabelan dengan menggunakan URL. Anotasi adalah bagian dari objek Dataset dan tidak dapat dimanipulasi menggunakan API. Pelabelan data tidak berlaku untuk Gemini.
Deployment model Anda membuat objek Endpoint, yang menyediakan resource untuk menampilkan prediksi online. Kemudian, deploy model ke endpoint. Untuk meminta prediksi, panggil metode predict(). Setelah menyesuaikan Gemini, model akan disimpan di Vertex AI Model Registry, dan Endpoint akan otomatis dibuat. Prediksi online dari model yang disesuaikan dapat diminta menggunakan Python SDK, REST API, atau konsol. Anda meminta prediksi dengan mengambil endpoint yang dioptimalkan terlebih dahulu, lalu menggunakan metode generate_content().
Menggunakan nomor project atau ID project project-number dan project-id dapat digunakan di Vertex AI. Gemini menggunakan project-id.
Skor keyakinan Teks AutoML mendukung skor keyakinan. Gemini tidak mendukung skor keyakinan.

Pengguna API

Untuk mengetahui informasi selengkapnya tentang API, lihat dokumentasi referensi Vertex AI Generative AI Tuning API.

Operasi atau entity AutoML Text Gemini
Pembuatan Model Anda membuat objek TrainingPipeline, yang menampilkan tugas pelatihan. Anda membuat tugas Penyesuaian Halus yang Diawasi yang menampilkan tugas penyesuaian.
Menggunakan library klien Terdapat klien API yang berbeda untuk setiap resource API. Anda dapat membuat Tugas Penyesuaian yang Diawasi untuk Gemini menggunakan Python SDK, REST API, atau Konsol.
Meminta prediksi Anda meminta prediksi dengan memanggil metode predict() pada resource Endpoint. Anda meminta prediksi dengan mengambil endpoint yang dioptimalkan terlebih dahulu, lalu menggunakan metode generate_content.
Endpoint prediksi online Di bawah ini, ganti REGION dengan region tempat model prediksi Anda berada.
REGION-aiplatform.googleapis.com. Contoh:
us-central1-aiplatform.googleapis.com		 Di bawah ini, ganti TUNING_JOB_REGION dengan region tempat tugas penyesuaian Anda berjalan.
TUNING_JOB_REGION-aiplatform.googleapis.com. Contoh:
us-central1-aiplatform.googleapis.com
File skema dan definisi Beberapa kolom permintaan dan respons ditentukan dalam file skema dan definisi. Format data ditentukan menggunakan file skema yang sudah ditentukan. Hal ini memungkinkan fleksibilitas untuk API dan format data. Isi permintaan, parameter model, dan isi respons sama dengan model Gemini yang tidak disesuaikan. Lihat contoh permintaan.
Hostname aiplatform.googleapis.com aiplatform.googleapis.com
Nama host regional Wajib. Contoh:
us-central1-aiplatform.googleapis.com		 Wajib. Contoh:
us-central1-aiplatform.googleapis.com

Langkah selanjutnya