Essayez les modèles Gemini 1.5, les derniers modèles multimodaux de Vertex AI, et découvrez ce que vous pouvez créer avec une fenêtre de contexte pouvant comprendre jusqu'à deux millions de jetons. Essayez les modèles Gemini 1.5, les derniers modèles multimodaux de Vertex AI, et découvrez ce que vous pouvez créer avec une fenêtre de contexte pouvant comprendre jusqu'à deux millions de jetons.

Paramètres de configuration des index

Pour configurer des index pour les recherches de similarités, vous devez définir les champs ci-dessous. Pour obtenir des instructions sur la configuration d'un index, consultez la page Configurer les paramètres d'index.

`NearestNeighborSearch`

Champs

Champs
`contentsDeltaUri`	`string` Permet d'insérer, de mettre à jour ou de supprimer le contenu de l'`Index` Vector Search. La chaîne doit être un chemin d'accès Cloud Storage valide, tel que `gs://BUCKET_NAME/PATH_TO_INDEX_DIR/`. Si vous définissez ce champ lorsque vous appelez `IndexService.UpdateIndex`, aucun autre champ `Index` ne peut également être mis à jour dans le cadre du même appel. Découvrez comment structurer des fichiers de données individuels.
`isCompleteOverwrite`	`boolean` Si ce champ est défini avec `contentsDeltaUri` lors de l'appel de `IndexService.UpdateIndex`, le contenu existant de l'`Index` est remplacé par les données de `contentsDeltaUri`.
`config`	`NearestNeighborSearchConfig` Configuration de l'`Index` Vector Search.

contentsDeltaUri

string

Permet d'insérer, de mettre à jour ou de supprimer le contenu de l'Index Vector Search. La chaîne doit être un chemin d'accès Cloud Storage valide, tel que gs://BUCKET_NAME/PATH_TO_INDEX_DIR/.

Si vous définissez ce champ lorsque vous appelez IndexService.UpdateIndex, aucun autre champ Index ne peut également être mis à jour dans le cadre du même appel. Découvrez comment structurer des fichiers de données individuels.

isCompleteOverwrite

boolean

Si ce champ est défini avec contentsDeltaUri lors de l'appel de IndexService.UpdateIndex, le contenu existant de l'Index est remplacé par les données de contentsDeltaUri.

config

NearestNeighborSearchConfig

Configuration de l'Index Vector Search.

`NearestNeighborSearchConfig`

Champs
`dimensions`	`int32` Obligatoire. Nombre de dimensions des vecteurs d'entrée.
`approximateNeighborsCount`	`int32` Obligatoire si l'algorithme "tree-AH" est utilisé. Nombre de voisins par défaut à rechercher via la recherche approximative avant la réorganisation exacte. La réorganisation exacte est une procédure dans laquelle les résultats renvoyés par un algorithme de recherche approximatif sont réorganisés à l'aide d'un calcul de distance plus coûteux.
`ShardSize`	`ShardSize` Taille de chaque segment. Lorsqu'un index est volumineux, il est segmenté en fonction de la taille de partition spécifiée. Pendant la diffusion, chaque segment est diffusé sur un nœud distinct et évolue indépendamment.
`distanceMeasureType`	`DistanceMeasureType` Mesure de distance utilisée par la recherche de voisin le plus proche.
`featureNormType`	`FeatureNormType` Type de normalisation à exécuter sur chaque vecteur.
`algorithmConfig`	`oneOf:` `TreeAhConfig` `BruteForceConfig` Configuration des algorithmes utilisés par Vector Search pour une recherche efficace. `TreeAhConfig` : options de configuration de l'algorithme "tree-AH". Pour plus d'informations, consultez ce blog Scaling de la récupération profonde à l'aide des outils de recommandation TensorFlow et de Vector Search. `BruteForceConfig` : cette option met en œuvre la recherche linéaire standard dans la base de données pour chaque requête. Il n'y a aucun champ à configurer pour une recherche par force brute. Pour sélectionner cet algorithme, transmettez un objet vide pour `BruteForceConfig`.

`DistanceMeasureType`

Enums
`SQUARED_L2_DISTANCE`	Distance euclidienne (L₂)
`L1_DISTANCE`	Distance de Manhattan (L₁)
`DOT_PRODUCT_DISTANCE`	Valeur par défaut. Définie comme le négatif du produit scalaire.
`COSINE_DISTANCE`	Distance de cosinus. Nous vous recommandons vivement d'utiliser DOT_PRODUCT_DISTANCE + UNIT_L2_NORM au lieu de la distance COSINE. Nos algorithmes ont été plus optimisés pour la distance DOT_Product et, lorsqu'ils sont associés à UNIT_L2_NORM, offrent le même classement et l'équivalence mathématique que la distance COSINE.

`ShardSize`

Enums
`SHARD_SIZE_SMALL`	2 Gio par segment
`SHADE_SIZE_MEDIUM`	20 Gio par segment
`SHADE_SIZE_LARGE`	50 Gio par segment

`FeatureNormType`

Enums
`UNIT_L2_NORM`	Type de normalisation de l'unité L2.
`NONE`	Valeur par défaut. Aucun type de normalisation n'est spécifié.

`TreeAhConfig`

Il s'agit des champs à sélectionner pour l'algorithme "tree-AH".

Champs
`fractionLeafNodesToSearch`	`double`
	Fraction par défaut de nœuds feuilles pouvant être recherchés par n'importe quelle requête. Doit être compris entre 0 et 1 (exclus). Si ce nombre n'est pas défini, la valeur par défaut est 0.05.
`leafNodeEmbeddingCount`	`int32`
	Nombre de représentations vectorielles continues sur chaque nœud feuille. Si ce nombre n'est pas défini, la valeur par défaut est 1 000.
`leafNodesToSearchPercent`	`int32`
	Obsolète : utilisez `fractionLeafNodesToSearch`. Pourcentage par défaut de nœuds feuilles pouvant être recherchés par n'importe quelle requête. Doit être compris entre 1 et 100 (inclus). La valeur par défaut est 10 (soit 10 %) si elle n'est pas définie.

`BruteForceConfig`

Cette option met en œuvre la recherche linéaire standard dans la base de données pour chaque requête. Il n'y a aucun champ à configurer pour une recherche par force brute. Pour sélectionner cet algorithme, transmettez un objet vide pour BruteForceConfig à algorithmConfig.