이 페이지에서는 AutoML 텍스트 사용자가 Gemini 사용 방법을 이해하는 데 도움이 되도록 AutoML 텍스트와 Gemini를 비교해서 보여줍니다.
사용 사례에 적용되는 테이블을 확인하고 워크플로에 영향을 줄 수 있는 변경사항을 검토하세요.
일반적인 사용
다음 차이점은 모든 Gemini 사용자에게 적용됩니다.
| 작업 | AutoML 텍스트 | Gemini |
|---|---|---|
| 학습 데이터 형식 | 텍스트 항목 추출을 제외한 CSV 또는 JSON Lines 파일을 사용하여 인라인 텍스트 스니펫을 포함하거나 TXT 유형의 문서를 참조할 수 있습니다. 항목 추출은 JSON Lines 파일만 지원합니다. |
JSON Line 파일만 사용할 수 있습니다. 파일의 각 줄은 단일 학습 샘플을 나타냅니다. Gemini 모델 미세 조정을 위한 샘플 데이터 세트를 다운로드할 수 있습니다. 파일은 Cloud Storage에 저장됩니다. |
| 데이터 세트 주석 |
주석은 AnnotationSet 객체로 그룹화됩니다.
같은 데이터 세트에 다른 주석 세트를 사용할 수 있습니다.
|
데이터 세트 주석은 Gemini에 적용되지 않습니다. |
| 데이터 세트 가져오기 | CSV의 선택적 열에서, 데이터와 동일한 행에서 또는 데이터와 동일한 JSON 객체의 JSON Lines에서 태그로 ML 사용 값을 지정합니다. ML 사용 값을 지정하지 않으면 학습, 테스트, 검증을 위해 데이터가 자동으로 분할됩니다. 감정 분석의 경우 CSV 파일에서 각 행의 마지막 열에 감정 최댓값이 포함되어야 합니다. |
학습 및 검증을 위해 하나씩 2개의 개별 JSONL 파일을 지정해야 합니다. 검증 파일은 선택사항입니다. 검증 파일에는 10-256개의 예시가 포함됩니다. |
| 스토리지 비용 | 데이터 세트를 만들면 데이터가 프로젝트의 Cloud Storage에 로드됩니다. 이 스토리지에는 요금이 부과됩니다. 자세히 알아보기 | 데이터 세트를 만들면 데이터가 프로젝트의 Cloud Storage에 로드됩니다. 이 스토리지에는 요금이 부과됩니다. 자세히 알아보기 |
| 데이터 라벨 지정 |
URL을 사용하여 라벨링 안내를 제공합니다. 주석은 Dataset 객체의 일부이며 API를 사용하여 조작할 수 없습니다.
|
Gemini에는 데이터 라벨링이 적용되지 않습니다. |
| 모델 배포 |
온라인 예측을 제공하기 위한 리소스를 제공하는 엔드포인트 객체를 만듭니다. 그런 다음 모델을 엔드포인트에 배포합니다.
예측을 요청하려면 predict() 메서드를 호출합니다.
|
Gemini를 미세 조정한 후 모델이 Vertex AI Model Registry에 저장되고 엔드포인트가 자동으로 생성됩니다. Python SDK, REST API, 콘솔을 사용해서 조정된 모델의 온라인 예측을 요청할 수 있습니다. 먼저 조정된 엔드포인트를 가져오고 generate_content() 메서드를 사용해서 예측을 요청합니다. |
| 프로젝트 번호 또는 프로젝트 ID 사용 |
project-number와 project-id 모두 Vertex AI에서 작동합니다.
|
Gemini는 project-id를 사용합니다. |
API 사용자
API에 대한 자세한 내용은 Vertex AI 생성형 AI 조정 API 참고 문서를 참조하세요.
| 작업 또는 항목 | AutoML 텍스트 | Gemini |
|---|---|---|
| 모델 생성 |
학습 작업을 반환하는 TrainingPipeline 객체를 만듭니다.
|
조정 작업을 반환하는 지도 미세 조정 작업을 만듭니다. |
| 클라이언트 라이브러리 사용 | API 리소스마다 서로 다른 API 클라이언트가 있습니다. | Python SDK, REST API, 콘솔을 사용해서 Gemini에 대해 지도 미세 조정 작업을 만들 수 있습니다. |
| 예측 요청 |
엔드포인트 리소스에서 predict() 메서드를 호출하여 예측을 요청합니다.
|
먼저 조정된 엔드포인트를 가져오고 generate_content 메서드를 사용해서 예측을 요청합니다. |
| 온라인 예측 엔드포인트 | 다음에서 REGION을 예측 모델이 있는 리전으로 바꿉니다.REGION-aiplatform.googleapis.com.
예를 들면 다음과 같습니다.us-central1-aiplatform.googleapis.com |
다음 위치에서 TUNING_JOB_REGION을 조정 작업이 실행되는 리전으로 바꿉니다.TUNING_JOB_REGION-aiplatform.googleapis.com.
예를 들면 다음과 같습니다.us-central1-aiplatform.googleapis.com |
| 스키마 및 정의 파일 | 일부 요청 및 응답 필드는 스키마 및 정의 파일에 정의되어 있습니다. 데이터 형식은 사전 정의된 스키마 파일을 사용하여 정의됩니다. 따라서 API와 데이터 형식에 유연성을 확보할 수 있습니다. | 요청 본문, 모델 매개변수, 응답 본문은 조정되지 않은 Gemini 모델과 동일합니다. 요청 샘플을 참조하세요. |
| 호스트 이름 | aiplatform.googleapis.com |
aiplatform.googleapis.com |
| 리전 호스트 이름 | 필수. 예를 들면 다음과 같습니다.us-central1-aiplatform.googleapis.com |
필수. 예를 들면 다음과 같습니다.us-central1-aiplatform.googleapis.com |