Coba Gemini 1.5 Pro, model multimodal kami yang paling canggih di Vertex AI, dan lihat apa yang dapat Anda bangun dengan jendela konteks token 1 juta.Coba Gemini 1.5 Pro, model multimodal kami yang paling canggih di Vertex AI, dan lihat apa yang dapat Anda bangun dengan jendela konteks token 1 juta.
Tetap teratur dengan koleksi
Simpan dan kategorikan konten berdasarkan preferensi Anda.
Daftar tutorial Jupyter Notebook tersedia untuk membantu Anda
mulai menggunakan Vector Search.
Membuat indeks Vector Search
Pada notebook ini, Anda akan mempelajari cara membuat indeks Approximate Nearest Neighbor
(ANN), membuat kueri terhadap indeks tersebut, dan memvalidasi performa outputnya.
Membuat embedding multimodal dengan model embedding multimodal Vertex AI dan men-deploy-nya ke Vector Search
Contoh ini menunjukkan cara membuat embedding teks ke gambar menggunakan
set data DiffusionDB dan model embedding multimodal Vertex AI.
Pada notebook ini, Anda akan mempelajari cara mengenkode embedding teks kustom, membuat
indeks Approximate Nearest Neighbor (ANN), dan membuat kueri.
Menggunakan embedding teks Vector Search dan Vertex AI untuk Pertanyaan StackOverflow
Contoh ini menunjukkan cara mengenkode embedding teks menggunakan
embedding Vertex AI untuk layanan teks dan set data StackOverflow.
Embedding ini diupload ke Vector Search. Di notebook ini,
Anda akan mempelajari cara mengenkode embedding teks, membuat indeks Approximate Nearest Neighbor
(ANN), dan membuat kueri terhadap indeks.
