Prova i modelli Gemini 1.5, gli ultimi modelli multimodali di Vertex AI, e scopri cosa puoi creare con una finestra contestuale fino a 2 milioni di token. Prova i modelli Gemini 1.5, i più recenti modelli multimodali di Vertex AI, e scopri cosa puoi creare con una finestra contestuale fino a 2 milioni di token.

Questa pagina è stata tradotta dall'API Cloud Translation.

Parametri di configurazione dell'indice

Per configurare gli indici per le ricerche di somiglianze, devi configurare i campi seguenti.

Per istruzioni su come configurare un indice, consulta Configurare i parametri indice.

`NearestNeighborSearch`

Campi

Campi
`contentsDeltaUri`	`string` Consente di inserire, aggiornare o eliminare i contenuti di Vector Search `Index`. La stringa deve essere un percorso di directory Cloud Storage valido, ad esempio `gs://BUCKET_NAME/PATH_TO_INDEX_DIR/`. Se imposti questo campo durante la chiamata a `IndexService.UpdateIndex`, nessun altro campo `Index` potrà essere aggiornato anche nella stessa chiamata. Scopri come strutturare singoli file di dati.
`isCompleteOverwrite`	`boolean` Se questo campo è impostato insieme a `contentsDeltaUri` quando chiami `IndexService.UpdateIndex`, i contenuti esistenti di `Index` verranno sostituiti dai dati di `contentsDeltaUri`. Se questo campo è impostato su true, l'intero indice viene sovrascritto completamente con il nuovo file di metadati da te fornito.
`config`	`NearestNeighborSearchConfig` La configurazione di Vector Search `Index`.

contentsDeltaUri

string

Consente di inserire, aggiornare o eliminare i contenuti di Vector Search Index. La stringa deve essere un percorso di directory Cloud Storage valido, ad esempio gs://BUCKET_NAME/PATH_TO_INDEX_DIR/.

Se imposti questo campo durante la chiamata a IndexService.UpdateIndex, nessun altro campo Index potrà essere aggiornato anche nella stessa chiamata. Scopri come strutturare singoli file di dati.

isCompleteOverwrite

boolean

Se questo campo è impostato insieme a contentsDeltaUri quando chiami IndexService.UpdateIndex, i contenuti esistenti di Index verranno sostituiti dai dati di contentsDeltaUri. Se questo campo è impostato su true, l'intero indice viene sovrascritto completamente con il nuovo file di metadati da te fornito.

config

NearestNeighborSearchConfig

La configurazione di Vector Search Index.

`NearestNeighborSearchConfig`

Campi
`dimensions`	`int32` Obbligatorio. Il numero di dimensioni dei vettori di input. Utilizzato solo per gli incorporamenti densi.
`approximateNeighborsCount`	`int32` Obbligatorio se viene utilizzato l'algoritmo Tree-AH. Il numero predefinito di vicini da trovare tramite una ricerca approssimativa prima che venga eseguito il riordinamento esatto. Il riordinamento esatto è una procedura in cui i risultati restituiti da un algoritmo di ricerca approssimativa vengono riordinati utilizzando un calcolo delle distanze più costoso.
`ShardSize`	`ShardSize` Le dimensioni di ogni shard. Quando un indice è di grandi dimensioni, viene eseguito lo sharding in base alle dimensioni dello shard specificate. Durante la pubblicazione, ogni shard viene pubblicato su un nodo separato e scala in modo indipendente.
`distanceMeasureType`	`DistanceMeasureType` La misurazione della distanza utilizzata nella ricerca del vicino più prossimo.
`featureNormType`	`FeatureNormType` Tipo di normalizzazione da eseguire su ciascun vettore.
`algorithmConfig`	`oneOf:` `TreeAhConfig` `BruteForceConfig` La configurazione degli algoritmi utilizzati da Vector Search per una ricerca efficiente. Utilizzato solo per gli incorporamenti densi. `TreeAhConfig`: opzioni di configurazione per l'utilizzo dell'algoritmo Tree-AH. Per saperne di più, consulta questo blog Scalabilità del recupero profondo con i motori per suggerimenti TensorFlow e la ricerca vettoriale `BruteForceConfig`: questa opzione implementa la ricerca lineare standard nel database per ogni query. Non ci sono campi da configurare per una ricerca di forza bruta. Per selezionare questo algoritmo, passa un oggetto vuoto per `BruteForceConfig`.

`DistanceMeasureType`

Enum
`SQUARED_L2_DISTANCE`	Distanza euclidea (L₂)
`L1_DISTANCE`	Distanza di Manhattan (L₁)
`DOT_PRODUCT_DISTANCE`	Valore predefinito. Definito come un valore negativo del prodotto scalare.
`COSINE_DISTANCE`	Distanza coseno. Ti consigliamo vivamente di utilizzare DOT_PRODUCT_DISTANCE + UNIT_L2_NORM anziché la distanza COSINE. I nostri algoritmi sono stati ottimizzati maggiormente per la distanza DOT_PRODUCT e, se combinati con UNIT_L2_NORM, offrono lo stesso ranking e la stessa equivalenza matematica della distanza COSINE.

`ShardSize`

Enum
`SHARD_SIZE_SMALL`	2 GiB per shard
`SHADE_SIZE_MEDIUM`	20 GiB per shard
`SHADE_SIZE_LARGE`	50 GiB per shard

`FeatureNormType`

Enum
`UNIT_L2_NORM`	Tipo di normalizzazione dell'unità L2.
`NONE`	Valore predefinito. Nessun tipo di normalizzazione specificato.

`TreeAhConfig`

Questi sono i campi da selezionare per l'algoritmo Tree-AH.

Campi
`fractionLeafNodesToSearch`	`double`
	La frazione predefinita di nodi foglia in cui è possibile cercare qualsiasi query. Deve essere compresa tra 0,0 e 1,0, esclusi. Se non è impostata, il valore predefinito è 0,05.
`leafNodeEmbeddingCount`	`int32`
	Numero di incorporamenti su ciascun nodo foglia. Se non è impostato, il valore predefinito è 1000.
`leafNodesToSearchPercent`	`int32`
	Deprecato, utilizza `fractionLeafNodesToSearch`. La percentuale predefinita di nodi foglia in cui è possibile cercare qualsiasi query. Deve essere compreso tra 1 e 100 inclusi. Il valore predefinito è 10 (ovvero 10%) se non è impostato.

`BruteForceConfig`

Questa opzione implementa la ricerca lineare standard nel database per ogni query. Non esistono campi da configurare per una ricerca di forza bruta. Per selezionare questo algoritmo, passa un oggetto vuoto per BruteForceConfig a algorithmConfig.