Layanan evaluasi cepat memungkinkan Anda mengevaluasi model bahasa besar (LLM), baik secara runcing maupun berpasangan, di beberapa metrik. Anda dapat memberikan input waktu inferensi, respons LLM, dan parameter tambahan, serta layanan evaluasi menampilkan metrik khusus untuk tugas evaluasi.
Metrik mencakup metrik berbasis model, seperti SummarizationQuality
, dan metrik
yang dihitung dalam memori, seperti rouge
, bleu
, dan metrik panggilan fungsi alat.
Karena layanan mengambil hasil prediksi langsung dari model sebagai input,
layanan evaluasi dapat melakukan inferensi dan evaluasi berikutnya pada
semua model yang didukung oleh
Vertex AI.
Untuk mengetahui informasi selengkapnya tentang cara mengevaluasi model, baca Ringkasan layanan evaluasi AI generatif.
Batasan
Berikut adalah batasan layanan evaluasi:
- Metrik berbasis model menggunakan kuota text-bison. Layanan evaluasi cepat memanfaatkan text-bison sebagai model arbiter yang mendasarinya untuk menghitung metrik berbasis model.
- Layanan evaluasi memiliki penundaan propagasi. Panggilan mungkin tidak tersedia selama beberapa menit setelah panggilan pertama ke layanan.
Contoh sintaksis
Sintaksis untuk mengirim panggilan evaluasi.
curl
curl -X POST \ -H "Authorization: Bearer $(gcloud auth print-access-token)" \ -H "Content-Type: application/json" \ https://${LOCATION}-aiplatform.googleapis.com/v1beta1/projects/${PROJECT_ID}/locations/${LOCATION}:evaluateInstances \ -d '{ "contents": [{ ... }], "tools": [{ "function_declarations": [ { ... } ] }] }'
Python
import json from google import auth from google.api_core import exceptions from google.auth.transport import requests as google_auth_requests creds, _ = auth.default( scopes=['https://www.googleapis.com/auth/cloud-platform']) data = { ... } uri = f'https://${LOCATION}-aiplatform.googleapis.com/v1beta1/projects/${PROJECT_ID}/locations/${LOCATION}:evaluateInstances' result = google_auth_requests.AuthorizedSession(creds).post(uri, json=data) print(json.dumps(result.json(), indent=2))
Daftar parameter
Parameter | |
---|---|
|
Opsional: Input untuk menilai apakah prediksi sama persis dengan referensi. |
|
Opsional: Input untuk menghitung skor BLEU dengan membandingkan prediksi dengan referensi. |
|
Opsional: Input untuk menghitung skor |
|
Opsional: Input untuk menilai kemahiran bahasa respons tunggal. |
|
Opsional: Input untuk menilai kemampuan respons tunggal dalam memberikan balasan yang koheren dan mudah diikuti. |
|
Opsional: Input untuk menilai tingkat keamanan respons tunggal. |
|
Opsional: Input untuk menilai kemampuan respons tunggal dalam memberikan atau merujuk ke informasi yang hanya disertakan dalam teks input. |
|
Opsional: Input untuk menilai kemampuan satu respons dalam memenuhi instruksi sepenuhnya. |
|
Opsional: Input untuk menilai kemampuan keseluruhan respons tunggal untuk meringkas teks. |
|
Opsional: Input untuk membandingkan kualitas ringkasan keseluruhan dari dua respons. |
|
Opsional: Input untuk menilai kemampuan respons tunggal dalam memberikan ringkasan, yang berisi detail yang diperlukan untuk menggantikan teks asli. |
|
Opsional: Input untuk menilai kemampuan respons tunggal dalam memberikan ringkasan singkat. |
|
Opsional: Input untuk menilai kemampuan keseluruhan respons tunggal dalam menjawab pertanyaan, dengan diberi daftar teks sebagai referensi. |
|
Opsional: Input untuk membandingkan kemampuan dua respons secara keseluruhan dalam menjawab pertanyaan, dengan memberikan isi teks sebagai referensi. |
|
Opsional: Input untuk menilai kemampuan respons tunggal untuk merespons dengan informasi yang relevan saat ditanyai pertanyaan. |
|
Opsional: Input untuk menilai kemampuan respons tunggal dalam memberikan detail penting saat menjawab pertanyaan. |
|
Opsional: Input untuk menilai kemampuan respons tunggal untuk menjawab pertanyaan dengan benar. |
|
Opsional: Input untuk menilai kemampuan respons tunggal dalam memprediksi panggilan alat yang valid. |
|
Opsional: Input untuk menilai kemampuan satu respons guna memprediksi panggilan alat dengan nama alat yang tepat. |
|
Opsional: Input untuk menilai kemampuan respons tunggal dalam memprediksi panggilan alat dengan nama parameter yang benar. |
|
Opsional: Input untuk menilai kemampuan respons tunggal dalam memprediksi panggilan alat dengan nama dan nilai parameter yang benar |
ExactMatchInput
{ "exact_match_input": { "metric_spec": {}, "instances": [ { "prediction": string, "reference": string } ] } }
Parameter | |
---|---|
|
Opsional: Spesifikasi metrik, yang menentukan perilaku metrik. |
|
Opsional: Input evaluasi, yang terdiri dari respons dan referensi LLM. |
|
Opsional: Respons LLM. |
|
Opsional: Respons LLM emas untuk referensi. |
ExactMatchResults
{ "exact_match_results": { "exact_match_metric_values": [ { "score": float } ] } }
Output | |
---|---|
|
Hasil evaluasi per input instance. |
|
Salah satu dari berikut ini:
|
BleuInput
{ "bleu_input": { "metric_spec": { "use_effective_order": bool }, "instances": [ { "prediction": string, "reference": string } ] } }
Parameter | |
---|---|
|
Opsional: Spesifikasi metrik, yang menentukan perilaku metrik. |
|
Opsional: Apakah memperhitungkan pesanan n-gram tanpa kecocokan. |
|
Opsional: Input evaluasi, yang terdiri dari respons dan referensi LLM. |
|
Opsional: Respons LLM. |
|
Opsional: Respons LLM emas untuk referensi. |
BleuResults
{ "bleu_results": { "bleu_metric_values": [ { "score": float } ] } }
Output | |
---|---|
|
Hasil evaluasi per input instance. |
|
|
RougeInput
{ "rouge_input": { "metric_spec": { "rouge_type": string, "use_stemmer": bool, "split_summaries": bool }, "instances": [ { "prediction": string, "reference": string } ] } }
Parameter | |
---|---|
|
Opsional: Spesifikasi metrik, yang menentukan perilaku metrik. |
|
Opsional: Nilai yang dapat diterima:
|
|
Opsional: Apakah Porter stemmer harus digunakan untuk menghapus akhiran kata guna meningkatkan kecocokan. |
|
Opsional: Apakah akan menambahkan baris baru di antara kalimat untuk rougeLsum. |
|
Opsional: Input evaluasi, yang terdiri dari respons dan referensi LLM. |
|
Opsional: Respons LLM. |
|
Opsional: Respons LLM emas untuk referensi. |
RougeResults
{ "rouge_results": { "rouge_metric_values": [ { "score": float } ] } }
Output | |
---|---|
|
Hasil evaluasi per input instance. |
|
|
FluencyInput
{ "fluency_input": { "metric_spec": {}, "instance": { "prediction": string } } }
Parameter | |
---|---|
|
Opsional: Spesifikasi metrik, yang menentukan perilaku metrik. |
|
Opsional: Input evaluasi, yang terdiri atas respons LLM. |
|
Opsional: Respons LLM. |
FluencyResult
{ "fluency_result": { "score": float, "explanation": string, "confidence": float } }
Output | |
---|---|
|
|
|
|
|
|
CoherenceInput
{ "coherence_input": { "metric_spec": {}, "instance": { "prediction": string } } }
Parameter | |
---|---|
|
Opsional: Spesifikasi metrik, yang menentukan perilaku metrik. |
|
Opsional: Input evaluasi, yang terdiri atas respons LLM. |
|
Opsional: Respons LLM. |
CoherenceResult
{ "coherence_result": { "score": float, "explanation": string, "confidence": float } }
Output | |
---|---|
|
|
|
|
|
|
SafetyInput
{ "safety_input": { "metric_spec": {}, "instance": { "prediction": string } } }
Parameter | |
---|---|
|
Opsional: Spesifikasi metrik, yang menentukan perilaku metrik. |
|
Opsional: Input evaluasi, yang terdiri atas respons LLM. |
|
Opsional: Respons LLM. |
SafetyResult
{ "safety_result": { "score": float, "explanation": string, "confidence": float } }
Output | |
---|---|
|
|
|
|
|
|
GroundednessInput
{ "groundedness_input": { "metric_spec": {}, "instance": { "prediction": string, "context": string } } }
Parameter |
Deskripsi |
|
Opsional: GroundednessSpec Spesifikasi metrik, yang menentukan perilaku metrik. |
|
Opsional: GroundednessInstance Input evaluasi, yang terdiri dari input inferensi dan respons terkait. |
|
Opsional: Respons LLM. |
|
Opsional: Teks waktu inferensi yang berisi semua informasi, yang dapat digunakan dalam respons LLM. |
GroundednessResult
{ "groundedness_result": { "score": float, "explanation": string, "confidence": float } }
Output | |
---|---|
|
|
|
|
|
|
FulfillmentInput
{ "fulfillment_input": { "metric_spec": {}, "instance": { "prediction": string, "instruction": string } } }
Parameter | |
---|---|
|
Opsional: Spesifikasi metrik, yang menentukan perilaku metrik. |
|
Opsional: Input evaluasi, yang terdiri dari input inferensi dan respons terkait. |
|
Opsional: Respons LLM. |
|
Opsional: Petunjuk yang digunakan pada waktu inferensi. |
FulfillmentResult
{ "fulfillment_result": { "score": float, "explanation": string, "confidence": float } }
Output | |
---|---|
|
|
|
|
|
|
SummarizationQualityInput
{ "summarization_quality_input": { "metric_spec": {}, "instance": { "prediction": string, "instruction": string, "context": string, } } }
Parameter | |
---|---|
|
Opsional: Spesifikasi metrik, yang menentukan perilaku metrik. |
|
Opsional: Input evaluasi, yang terdiri dari input inferensi dan respons terkait. |
|
Opsional: Respons LLM. |
|
Opsional: Petunjuk yang digunakan pada waktu inferensi. |
|
Opsional: Teks waktu inferensi yang berisi semua informasi, yang dapat digunakan dalam respons LLM. |
SummarizationQualityResult
{ "summarization_quality_result": { "score": float, "explanation": string, "confidence": float } }
Output | |
---|---|
|
|
|
|
|
|
PairwiseSummarizationQualityInput
{ "pairwise_summarization_quality_input": { "metric_spec": {}, "instance": { "baseline_prediction": string, "prediction": string, "instruction": string, "context": string, } } }
Parameter | |
---|---|
|
Opsional: Spesifikasi metrik, yang menentukan perilaku metrik. |
|
Opsional: Input evaluasi, yang terdiri dari input inferensi dan respons terkait. |
|
Opsional: Respons LLM model dasar. |
|
Opsional: Respons LLM model kandidat. |
|
Opsional: Petunjuk yang digunakan pada waktu inferensi. |
|
Opsional: Teks waktu inferensi yang berisi semua informasi, yang dapat digunakan dalam respons LLM. |
PairwiseSummarizationQualityResult
{ "pairwise_summarization_quality_result": { "pairwise_choice": PairwiseChoice, "explanation": string, "confidence": float } }
Output | |
---|---|
|
|
|
|
|
|
SummarizationHelpfulnessInput
{ "summarization_helpfulness_input": { "metric_spec": {}, "instance": { "prediction": string, "instruction": string, "context": string, } } }
Parameter | |
---|---|
|
Opsional: Spesifikasi metrik, yang menentukan perilaku metrik. |
|
Opsional: Input evaluasi, yang terdiri dari input inferensi dan respons terkait. |
|
Opsional: Respons LLM. |
|
Opsional: Petunjuk yang digunakan pada waktu inferensi. |
|
Opsional: Teks waktu inferensi yang berisi semua informasi, yang dapat digunakan dalam respons LLM. |
SummarizationHelpfulnessResult
{ "summarization_helpfulness_result": { "score": float, "explanation": string, "confidence": float } }
Output | |
---|---|
|
|
|
|
|
|
SummarizationVerbosityInput
{ "summarization_verbosity_input": { "metric_spec": {}, "instance": { "prediction": string, "instruction": string, "context": string, } } }
Parameter | |
---|---|
|
Opsional: Spesifikasi metrik, yang menentukan perilaku metrik. |
|
Opsional: Input evaluasi, yang terdiri dari input inferensi dan respons terkait. |
|
Opsional: Respons LLM. |
|
Opsional: Petunjuk yang digunakan pada waktu inferensi. |
|
Opsional: Teks waktu inferensi yang berisi semua informasi, yang dapat digunakan dalam respons LLM. |
SummarizationVerbosityResult
{ "summarization_verbosity_result": { "score": float, "explanation": string, "confidence": float } }
Output | |
---|---|
|
|
|
|
|
|
QuestionAnsweringQualityInput
{ "question_answering_quality_input": { "metric_spec": {}, "instance": { "prediction": string, "instruction": string, "context": string, } } }
Parameter | |
---|---|
|
Opsional: Spesifikasi metrik, yang menentukan perilaku metrik. |
|
Opsional: Input evaluasi, yang terdiri dari input inferensi dan respons terkait. |
|
Opsional: Respons LLM. |
|
Opsional: Petunjuk yang digunakan pada waktu inferensi. |
|
Opsional: Teks waktu inferensi yang berisi semua informasi, yang dapat digunakan dalam respons LLM. |
QuestionAnsweringQualityResult
{ "question_answering_quality_result": { "score": float, "explanation": string, "confidence": float } }
Output | |
---|---|
|
|
|
|
|
|
PairwiseQuestionAnsweringQualityInput
{ "question_answering_quality_input": { "metric_spec": {}, "instance": { "baseline_prediction": string, "prediction": string, "instruction": string, "context": string } } }
Parameter | |
---|---|
|
Opsional: Spesifikasi metrik, yang menentukan perilaku metrik. |
|
Opsional: Input evaluasi, yang terdiri dari input inferensi dan respons terkait. |
|
Opsional: Respons LLM model dasar. |
|
Opsional: Respons LLM model kandidat. |
|
Opsional: Petunjuk yang digunakan pada waktu inferensi. |
|
Opsional: Teks waktu inferensi yang berisi semua informasi, yang dapat digunakan dalam respons LLM. |
PairwiseQuestionAnsweringQualityResult
{ "pairwise_question_answering_quality_result": { "pairwise_choice": PairwiseChoice, "explanation": string, "confidence": float } }
Output | |
---|---|
|
|
|
|
|
|
QuestionAnsweringRelevanceInput
{ "question_answering_quality_input": { "metric_spec": {}, "instance": { "prediction": string, "instruction": string, "context": string } } }
Parameter | |
---|---|
|
Opsional: Spesifikasi metrik, yang menentukan perilaku metrik. |
|
Opsional: Input evaluasi, yang terdiri dari input inferensi dan respons terkait. |
|
Opsional: Respons LLM. |
|
Opsional: Petunjuk yang digunakan pada waktu inferensi. |
|
Opsional: Teks waktu inferensi yang berisi semua informasi, yang dapat digunakan dalam respons LLM. |
QuestionAnsweringRelevancyResult
{ "question_answering_relevancy_result": { "score": float, "explanation": string, "confidence": float } }
Output | |
---|---|
|
|
|
|
|
|
QuestionAnsweringHelpfulnessInput
{ "question_answering_helpfulness_input": { "metric_spec": {}, "instance": { "prediction": string, "instruction": string, "context": string } } }
Parameter | |
---|---|
|
Opsional: Spesifikasi metrik, yang menentukan perilaku metrik. |
|
Opsional: Input evaluasi, yang terdiri dari input inferensi dan respons terkait. |
|
Opsional: Respons LLM. |
|
Opsional: Petunjuk yang digunakan pada waktu inferensi. |
|
Opsional: Teks waktu inferensi yang berisi semua informasi, yang dapat digunakan dalam respons LLM. |
QuestionAnsweringHelpfulnessResult
{ "question_answering_helpfulness_result": { "score": float, "explanation": string, "confidence": float } }
Output | |
---|---|
|
|
|
|
|
|
QuestionAnsweringCorrectnessInput
{ "question_answering_correctness_input": { "metric_spec": { "use_reference": bool }, "instance": { "prediction": string, "reference": string, "instruction": string, "context": string } } }
Parameter | |
---|---|
|
Opsional: Spesifikasi metrik, yang menentukan perilaku metrik. |
|
Opsional: Apakah referensi digunakan atau tidak dalam evaluasi. |
|
Opsional: Input evaluasi, yang terdiri dari input inferensi dan respons terkait. |
|
Opsional: Respons LLM. |
|
Opsional: Respons LLM emas untuk referensi. |
|
Opsional: Petunjuk yang digunakan pada waktu inferensi. |
|
Opsional: Teks waktu inferensi yang berisi semua informasi, yang dapat digunakan dalam respons LLM. |
QuestionAnsweringCorrectnessResult
{ "question_answering_correctness_result": { "score": float, "explanation": string, "confidence": float } }
Output | |
---|---|
|
|
|
|
|
|
ToolCallValidInput
{ "tool_call_valid_input": { "metric_spec": {}, "instance": { "prediction": string, "reference": string } } }
Parameter | |
---|---|
|
Opsional: Spesifikasi metrik, yang menentukan perilaku metrik. |
|
Opsional: Input evaluasi, yang terdiri dari respons dan referensi LLM. |
|
Opsional: Respons LLM model kandidat, yang merupakan string serial JSON yang berisi kunci { "content": "", "tool_calls": [ { "name": "book_tickets", "arguments": { "movie": "Mission Impossible Dead Reckoning Part 1", "theater": "Regal Edwards 14", "location": "Mountain View CA", "showtime": "7:30", "date": "2024-03-30", "num_tix": "2" } } ] } |
|
Opsional: Output model emas dalam format yang sama dengan prediksi. |
ToolCallValidResults
{ "tool_call_valid_results": { "tool_call_valid_metric_values": [ { "score": float } ] } }
Output | |
---|---|
|
|
|
|
ToolNameMatchInput
{ "tool_name_match_input": { "metric_spec": {}, "instance": { "prediction": string, "reference": string } } }
Parameter | |
---|---|
|
Opsional: Spesifikasi metrik, yang menentukan perilaku metrik. |
|
Opsional: Input evaluasi, yang terdiri dari respons dan referensi LLM. |
|
Opsional: Respons LLM model kandidat, yang merupakan string serial JSON yang berisi kunci |
|
Opsional: Output model emas dalam format yang sama dengan prediksi. |
ToolNameMatchResults
{ "tool_name_match_results": { "tool_name_match_metric_values": [ { "score": float } ] } }
Output | |
---|---|
|
|
|
|
ToolParameterKeyMatchInput
{ "tool_parameter_key_match_input": { "metric_spec": {}, "instance": { "prediction": string, "reference": string } } }
Parameter | |
---|---|
|
Opsional: Spesifikasi metrik, yang menentukan perilaku metrik. |
|
Opsional: Input evaluasi, yang terdiri dari respons dan referensi LLM. |
|
Opsional: Respons LLM model kandidat, yang merupakan string serial JSON yang berisi kunci |
|
Opsional: Output model emas dalam format yang sama dengan prediksi. |
ToolParameterKeyMatchResults
{ "tool_parameter_key_match_results": { "tool_parameter_key_match_metric_values": [ { "score": float } ] } }
Output | |
---|---|
|
|
|
|
ToolParameterKVMatchInput
{ "tool_parameter_kv_match_input": { "metric_spec": {}, "instance": { "prediction": string, "reference": string } } }
Parameter | |
---|---|
|
Opsional: Spesifikasi metrik, yang menentukan perilaku metrik. |
|
Opsional: Input evaluasi, yang terdiri dari respons dan referensi LLM. |
|
Opsional: Respons LLM model kandidat, yang merupakan string serial JSON yang berisi kunci |
|
Opsional: Output model emas dalam format yang sama dengan prediksi. |
ToolParameterKVMatchResults
{ "tool_parameter_kv_match_results": { "tool_parameter_kv_match_metric_values": [ { "score": float } ] } }
Output | |
---|---|
|
|
|
|
Contoh
Mengevaluasi output
Contoh berikut menunjukkan cara memanggil Rapid Evaluation API untuk mengevaluasi output LLM menggunakan berbagai metrik evaluasi, termasuk yang berikut:
summarization_quality
groundedness
fulfillment
summarization_helpfulnes
summarization_verbosity
Python
Mengevaluasi output: kualitas ringkasan berpasangan
Contoh berikut menunjukkan cara memanggil Rapid Evaluation API untuk mengevaluasi output LLM menggunakan perbandingan kualitas ringkasan berpasangan.
REST
Sebelum menggunakan salah satu data permintaan, lakukan penggantian berikut:
- PROJECT_ID: Project ID Anda.
- LOCATION: Region untuk memproses permintaan.
- PREDICTION: Respons LLM.
- BASELINE_PREDICTION: Respons LLM model dasar.
- INSTRUCTION: Petunjuk yang digunakan pada waktu inferensi.
- CONTEXT: Teks waktu inferensi yang berisi semua informasi relevan, yang dapat digunakan dalam respons LLM.
Metode HTTP dan URL:
POST https://LOCATION-aiplatform.googleapis.com/v1beta1/projects/PROJECT_ID-/locations/LOCATION:evaluateInstances \
Isi JSON permintaan:
{ "pairwise_summarization_quality_input": { "metric_spec": {}, "instance": { "prediction": "PREDICTION", "baseline_prediction": "BASELINE_PREDICTION", "instruction": "INSTRUCTION", "context": "CONTEXT", } } }
Untuk mengirim permintaan Anda, pilih salah satu opsi berikut:
curl
Simpan isi permintaan dalam file bernama request.json
,
dan jalankan perintah berikut:
curl -X POST \
-H "Authorization: Bearer $(gcloud auth print-access-token)" \
-H "Content-Type: application/json; charset=utf-8" \
-d @request.json \
"https://LOCATION-aiplatform.googleapis.com/v1beta1/projects/PROJECT_ID-/locations/LOCATION:evaluateInstances \"
PowerShell
Simpan isi permintaan dalam file bernama request.json
,
dan jalankan perintah berikut:
$cred = gcloud auth print-access-token
$headers = @{ "Authorization" = "Bearer $cred" }
Invoke-WebRequest `
-Method POST `
-Headers $headers `
-ContentType: "application/json; charset=utf-8" `
-InFile request.json `
-Uri "https://LOCATION-aiplatform.googleapis.com/v1beta1/projects/PROJECT_ID-/locations/LOCATION:evaluateInstances \" | Select-Object -Expand Content
Dapatkan skor rouge
Contoh berikut memanggil Rapid Evaluation API untuk mendapatkan skor Rouge
dari prediksi, yang dihasilkan oleh sejumlah input. Input Rouge menggunakan
metric_spec
, yang menentukan perilaku metrik.
REST
Sebelum menggunakan salah satu data permintaan, lakukan penggantian berikut:
- PROJECT_ID: Project ID Anda.
- LOCATION: Region untuk memproses permintaan.
- PREDICTION: Respons LLM.
- REFERENCE: Respons LLM emas untuk referensi.
- ROUGE_TYPE: Penghitungan yang digunakan untuk menentukan skor rouge. Lihat
metric_spec.rouge_type
untuk mengetahui nilai yang dapat diterima. - USE_STEMMER: Menentukan apakah stemmer Porter digunakan untuk menghapus akhiran kata guna meningkatkan kecocokan. Untuk mengetahui nilai yang dapat diterima, lihat
metric_spec.use_stemmer
. - SPLIT_SUMMARIES: Menentukan apakah baris baru ditambahkan di antara
rougeLsum
kalimat. Untuk mengetahui nilai yang dapat diterima, lihatmetric_spec.split_summaries
.
Metode HTTP dan URL:
POST https://LOCATION-aiplatform.googleapis.com/v1beta1/projects/PROJECT_ID-/locations/REGION:evaluateInstances \
Isi JSON permintaan:
{ "rouge_input": { "instances": { "prediction": "PREDICTION", "reference": "REFERENCE.", }, "metric_spec": { "rouge_type": "ROUGE_TYPE", "use_stemmer": USE_STEMMER, "split_summaries": SPLIT_SUMMARIES, } } }
Untuk mengirim permintaan Anda, pilih salah satu opsi berikut:
curl
Simpan isi permintaan dalam file bernama request.json
,
dan jalankan perintah berikut:
curl -X POST \
-H "Authorization: Bearer $(gcloud auth print-access-token)" \
-H "Content-Type: application/json; charset=utf-8" \
-d @request.json \
"https://LOCATION-aiplatform.googleapis.com/v1beta1/projects/PROJECT_ID-/locations/REGION:evaluateInstances \"
PowerShell
Simpan isi permintaan dalam file bernama request.json
,
dan jalankan perintah berikut:
$cred = gcloud auth print-access-token
$headers = @{ "Authorization" = "Bearer $cred" }
Invoke-WebRequest `
-Method POST `
-Headers $headers `
-ContentType: "application/json; charset=utf-8" `
-InFile request.json `
-Uri "https://LOCATION-aiplatform.googleapis.com/v1beta1/projects/PROJECT_ID-/locations/REGION:evaluateInstances \" | Select-Object -Expand Content
Langkah selanjutnya
- Untuk dokumentasi mendetail, lihat Menjalankan evaluasi cepat.