Prova i modelli Gemini 1.5, i più recenti modelli multimodali in 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 in 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 il 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 dei Ricerca vettoriale `Index`. La stringa deve essere un numero Percorso della directory di Cloud Storage, `gs://BUCKET_NAME/PATH_TO_INDEX_DIR/`. Se imposti questo campo durante la chiamata `IndexService.UpdateIndex`, poi nessun altro Il campo `Index` può essere aggiornato anche nell'ambito della stessa chiamata. Impara come strutturare singoli file di dati.
`isCompleteOverwrite`	`boolean` Se questo campo è impostato insieme a `contentsDeltaUri` durante la chiamata `IndexService.UpdateIndex`, i contenuti esistenti di `Index` verrà sostituito dai dati di `contentsDeltaUri`. Se questo campo è impostato su true, viene sovrascritto completamente con il nuovo file di metadati che fornisci.
`config`	`NearestNeighborSearchConfig` La configurazione di Vector Search `Index`.

contentsDeltaUri

string

Consente di inserire, aggiornare o eliminare i contenuti dei Ricerca vettoriale Index. La stringa deve essere un numero Percorso della directory di Cloud Storage, gs://BUCKET_NAME/PATH_TO_INDEX_DIR/.

Se imposti questo campo durante la chiamata IndexService.UpdateIndex, poi nessun altro Il campo Index può essere aggiornato anche nell'ambito della stessa chiamata. Impara come strutturare singoli file di dati.

isCompleteOverwrite

boolean

Se questo campo è impostato insieme a contentsDeltaUri durante la chiamata IndexService.UpdateIndex, i contenuti esistenti di Index verrà sostituito dai dati di contentsDeltaUri. Se questo campo è impostato su true, viene sovrascritto completamente con il nuovo file di metadati che fornisci.

config

NearestNeighborSearchConfig

La configurazione di Vector Search Index.

`NearestNeighborSearchConfig`

Campi
`dimensions`	`int32` Obbligatorio. Il numero di dimensioni dei vettori di input. Usato per contenuti densi incorporamenti.
`approximateNeighborsCount`	`int32` Obbligatorio se viene utilizzato l'algoritmo Tree-AH. Il numero predefinito di vicini da trovare tramite una ricerca approssimativa prima il riordinamento esatto. Il riordinamento esatto è una procedura in cui i risultati restituiti da un algoritmo di ricerca approssimativo vengono riordinati utilizzando di calcolo delle distanze più costoso.
`ShardSize`	`ShardSize` Le dimensioni di ogni shard. Quando un indice è grande, viene eseguito lo sharding in base la dimensione dello shard specificata. Durante la pubblicazione, ogni shard viene pubblicato su una e scalare 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 del l'algoritmo Tree-AH. Per ulteriori informazioni, visita questo blog Scalabilità il recupero approfondito con i motori per suggerimenti di TensorFlow Ricerca vettoriale `BruteForceConfig`: questa opzione implementa lo standard una ricerca lineare nel database. Non esistono campi per configura una ricerca di forza bruta. Per selezionare questo algoritmo, passa 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. In caso contrario, il valore predefinito è 0,05. per iniziare.
`leafNodeEmbeddingCount`	`int32`
	Numero di incorporamenti su ciascun nodo foglia. In caso contrario, il valore predefinito è 1000. per iniziare.
`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 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.