Classe CodeGenerationModel (1.50.0)

CodeGenerationModel(model_id: str, endpoint_name: typing.Optional[str] = None)

Crea un LanguageModel.

Questo costruttore non deve essere chiamato direttamente. Usa invece il criterio LanguageModel.from_pretrained(model_name=...).

Parametri

Nome Description
model_id str

Identificatore di un LLM Vertex. Esempio: "text-bison@001"

endpoint_name typing.Optional[str]

Nome della risorsa Vertex Endpoint per il modello

Metodi

batch_predict

batch_predict(
   
*,
    dataset
: typing.Union[str, typing.List[str]],
    destination_uri_prefix
: str,
    model_parameters
: typing.Optional[typing.Dict] = None
) -> google.cloud.aiplatform.jobs.BatchPredictionJob

Avvia un job di previsione batch con il modello.

Eccezioni
Tipo Description
ValueError Quando l'URI di origine o di destinazione non è supportato.

from_pretrained

from_pretrained(model_name: str) -> vertexai._model_garden._model_garden_models.T

Carica un oggetto _ModelGardenModel.

Parametro
Nome Description
model_name str

Nome del modello.

Eccezioni
Tipo Description
ValueError Se model_name è sconosciuto.
ValueError Se il modello non supporta questa classe.

get_tuned_model

get_tuned_model(
    tuned_model_name
: str,
) -> vertexai.language_models._language_models._LanguageModel

Carica il modello linguistico ottimizzato specificato.

list_tuned_model_names

list_tuned_model_names() -> typing.Sequence[str]

Elenca i nomi dei modelli ottimizzati.

predict

predict(
    prefix
: str,
    suffix
: typing.Optional[str] = None,
   
*,
    max_output_tokens
: typing.Optional[int] = None,
    temperature
: typing.Optional[float] = None,
    stop_sequences
: typing.Optional[typing.List[str]] = None,
    candidate_count
: typing.Optional[int] = None
) -> vertexai.language_models.TextGenerationResponse

Recupera la risposta del modello per un singolo prompt.

Parametri
Nome Description
prefix str

Codice precedente al punto corrente.

suffix typing.Optional[str]

Codice successivo al punto corrente.

predict_async

predict_async(
    prefix
: str,
    suffix
: typing.Optional[str] = None,
   
*,
    max_output_tokens
: typing.Optional[int] = None,
    temperature
: typing.Optional[float] = None,
    stop_sequences
: typing.Optional[typing.List[str]] = None,
    candidate_count
: typing.Optional[int] = None
) -> vertexai.language_models.TextGenerationResponse

Recupera in modo asincrono la risposta del modello per un singolo prompt.

Parametri
Nome Description
prefix str

Codice precedente al punto corrente.

suffix typing.Optional[str]

Codice successivo al punto corrente.

predict_streaming

predict_streaming(
    prefix
: str,
    suffix
: typing.Optional[str] = None,
   
*,
    max_output_tokens
: typing.Optional[int] = None,
    temperature
: typing.Optional[float] = None,
    stop_sequences
: typing.Optional[typing.List[str]] = None
) -> typing.Iterator[vertexai.language_models.TextGenerationResponse]

Prevede il codice in base al codice precedente.

Il risultato è un flusso (generatore) di risposte parziali.

Parametri
Nome Description
prefix str

Codice precedente al punto corrente.

suffix typing.Optional[str]

Codice successivo al punto corrente.

predict_streaming_async

predict_streaming_async(
    prefix
: str,
    suffix
: typing.Optional[str] = None,
   
*,
    max_output_tokens
: typing.Optional[int] = None,
    temperature
: typing.Optional[float] = None,
    stop_sequences
: typing.Optional[typing.List[str]] = None
) -> typing.AsyncIterator[vertexai.language_models.TextGenerationResponse]

Prevede in modo asincrono il codice in base al codice precedente.

Il risultato è un flusso (generatore) di risposte parziali.

Parametri
Nome Description
prefix str

Codice precedente al punto corrente.

suffix typing.Optional[str]

Codice successivo al punto corrente.

tune_model

tune_model(
    training_data
: typing.Union[str, pandas.core.frame.DataFrame],
   
*,
    train_steps
: typing.Optional[int] = None,
    learning_rate_multiplier
: typing.Optional[float] = None,
    tuning_job_location
: typing.Optional[str] = None,
    tuned_model_location
: typing.Optional[str] = None,
    model_display_name
: typing.Optional[str] = None,
    tuning_evaluation_spec
: typing.Optional[
        vertexai
.language_models.TuningEvaluationSpec
   
] = None,
    accelerator_type
: typing.Optional[typing.Literal["TPU", "GPU"]] = None,
    max_context_length
: typing.Optional[str] = None
) -> vertexai.language_models._language_models._LanguageModelTuningJob

Ottimizza un modello in base ai dati di addestramento.

Questo metodo avvia e restituisce un job di ottimizzazione del modello asincrono. Utilizzo:

tuning_job = model.tune_model(...)
... do some other work
tuned_model = tuning_job.get_tuned_model()  # Blocks until tuning is complete
Parametro
Nome Description
training_data typing.Union[str, pandas.core.frame.DataFrame]

Un DataFrame Pandas o un URI che rimanda ai dati in formato righe JSON. Lo schema del set di dati è specifico del modello. Vedi https://cloud.google.com/vertex-ai/docs/generative-ai/models/tune-models#dataset_format

Eccezioni
Tipo Description
ValueError Se il valore "tune_job_location" non è supportato
ValueError Se il valore "tuned_model_location" non è supportato
RuntimeError Se il modello non supporta l'ottimizzazione