Questa guida mostra come eseguire la migrazione del codice dell'SDK Vertex AI per Python dall'utilizzo dell'API PaLM all'utilizzo dell'API Gemini. Con Gemini puoi generare testo, conversazioni in più passaggi (chat) e codice. Dopo la migrazione, controlla le risposte perché l'output di Gemini potrebbe essere diverso da quello PaLM. Per ulteriori informazioni, consulta Introduzione alle classi multimodali nell'SDK Vertex AI.
Differenze di Gemini rispetto a PaLM
Di seguito sono riportate alcune differenze tra i modelli Gemini e PaLM:
Le strutture di risposta sono diverse. Per saperne di più sulla struttura della risposta di Gemini, consulta il corpo della risposta di riferimento del modello dell'API Gemini.
Le categorie di sicurezza sono diverse. Per scoprire le differenze tra le impostazioni di sicurezza di Gemini e PaLM, consulta Differenze principali tra Gemini e altre famiglie di modelli.
Gemini non può eseguire il completamento del codice. Se devi creare un'applicazione di completamento del codice, usa il modello
code-gecko
. Per ulteriori informazioni, consulta Modello di completamento del codice Codey.Per la generazione di codice, Gemini ha una maggiore frequenza di blocco delle citazioni.
Il punteggio di affidabilità nei modelli di generazione del codice Codey, che indica il livello di sicurezza del modello nella sua risposta, non è esposto in Gemini.
Aggiorna il codice PaLM per utilizzare i modelli Gemini
I metodi della classe GenerativeModel
sono per lo più gli stessi di quelli delle classi PaLM. Ad esempio, utilizza GenerativeModel.start_chat
per sostituire
l'equivalente PaLM ChatModel.start_chat
. Tuttavia, poiché Google Cloud migliora
e aggiorna costantemente Gemini, potresti riscontrare alcune differenze. Per ulteriori informazioni, consulta la documentazione sull'SDK Python.
Per eseguire la migrazione dall'API PaLM all'API Gemini, sono necessarie le seguenti modifiche al codice:
Per tutte le classi del modello PaLM, viene utilizzata la classe
GenerativeModel
in Gemini.Per utilizzare la classe
GenerativeModel
, esegui questa istruzione di importazione:from vertexai.generative_models import GenerativeModel
Per caricare un modello Gemini, utilizza il costruttore
GenerativeModel
anziché il metodofrom_pretrained
. Ad esempio, per caricare il modello Gemini 1.0 Pro, utilizzaGenerativeModel(gemini-1.0-pro)
.Per generare testo in Gemini, usa il metodo
GenerativeModel.generate_content
anziché il metodopredict
usato nei modelli PaLM. Ad esempio:
model = GenerativeModel("gemini-1.0-pro-002") response = model.generate_content("Write a short poem about the moon")
Confronto delle classi Gemini e PaLM
Ogni classe del modello PaLM viene sostituita dalla classe GenerativeModel
in Gemini. La
tabella seguente mostra le classi utilizzate dai modelli PaLM e la loro classe
equivalente in Gemini.
modello PaLM | Classe del modello PaLM | Classe del modello Gemini |
---|---|---|
text-bison |
TextGenerationModel |
GenerativeModel |
chat-bison |
ChatModel |
GenerativeModel |
code-bison |
CodeGenerationModel |
GenerativeModel |
codechat-bison |
CodeChatModel |
GenerativeModel |
Istruzioni di configurazione comuni
Il processo di configurazione è lo stesso per l'API PaLM e l'API Gemini in Vertex AI. Per ulteriori informazioni, consulta Introduzione all'SDK Vertex AI per Python. Di seguito è riportato un breve esempio di codice che installa l'SDK Vertex AI per Python.
pip install google-cloud-aiplatform import vertexai vertexai.init(project="PROJECT_ID", location="LOCATION")
In questo codice campione, sostituisci PROJECT_ID con il tuo ID progetto Google Cloud e sostituisci LOCATION con la località del tuo progetto Google Cloud (ad esempio us-central1
).
Esempi di codice Gemini e PaLM
Ognuna delle seguenti coppie di esempi di codice include il codice PaLM e, accanto al codice, il codice Gemini di cui è stata eseguita la migrazione dal codice PaLM.
Generazione del testo: base
I seguenti esempi di codice mostrano le differenze tra l'API PaLM e l'API Gemini per la creazione di un modello di generazione di testo.
PaLM | Gemini |
---|---|
|
|
Generazione di testo con parametri
I seguenti esempi di codice mostrano le differenze tra l'API PaLM e l'API Gemini per la creazione di un modello di generazione di testo, con parametri facoltativi.
PaLM | Gemini |
---|---|
|
|
Chat
I seguenti esempi di codice mostrano le differenze tra l'API PaLM e l'API Gemini per la creazione di un modello di chat.
PaLM | Gemini |
---|---|
|
|
Generazione del codice
I seguenti esempi di codice mostrano le differenze tra l'API PaLM e l'API Gemini per la generazione di una funzione che prevede se un anno è un anno bisestile.
Codey | Gemini |
---|---|
|
|
Passaggi successivi
- Consulta la panoramica dell'API Gemini di Vertex AI per ulteriori dettagli sui modelli e sulle funzionalità più recenti.