Une liste de tutoriels Jupyter Notebook est fournie pour vous aider à commencer à utiliser Vector Search.
Créer un index de recherche vectorielle
Dans ce notebook, vous apprendrez à créer un index des plus proches voisins approximatifs (ANN), à interroger l'index et à valider ses performances de sortie. |
Créer des embeddings multimodaux avec le modèle d'embeddings multimodaux Vertex AI et les déployer dans la recherche vectorielle
Cet exemple montre comment créer des embeddings multimodaux texte vers image à l'aide de l'ensemble de données DiffusionDB et du modèle d'embeddings multimodaux de Vertex AI. Dans ce notebook, vous apprendrez à encoder des embeddings textuels personnalisés, à créer un index des plus proches voisins approximatifs (ANN) et à effectuer une requête. |
Utiliser Vector Search et les embeddings textuels Vertex AI pour les questions concernant StackOverflow
Cet exemple montre comment encoder des embeddings textuels à l'aide d'embeddings Vertex AI pour le service de texte et de l'ensemble de données StackOverflow. Ces embeddings sont importés dans Vector Search. Dans ce notebook, vous apprendrez à encoder des embeddings textuels, à créer un index des plus proches voisins approximatifs (ANN) et à interroger les index. |
Étape suivante
- Consultez d'autres tutoriels sur les notebooks Vertex AI dans la présentation des tutoriels
- Découvrez d'autres ressources dans le dépôt GitHub Generative AI