ImageQnAModel(model_id: str, endpoint_name: typing.Optional[str] = None)
Consente di rispondere a domande su un'immagine.
Esempi:
model = ImageQnAModel.from_pretrained("imagetext@001")
image = Image.load_from_file("image.png")
answers = model.ask_question(
image=image,
question="What color is the car in this image?",
# Optional:
number_of_results=1,
)
Metodi
ImageQnAModel
ImageQnAModel(model_id: str, endpoint_name: typing.Optional[str] = None)
Crea un oggetto _ModelGardenModel.
Questo costruttore non deve essere chiamato direttamente.
Usa invece il criterio {model_class}.from_pretrained(model_name=...)
.
Parametri | |
---|---|
Nome | Description |
model_id |
str
Identificatore di un modello Model Garden. Esempio: "text-bison@001" |
endpoint_name |
typing.Optional[str]
Nome della risorsa Vertex Endpoint per il modello |
ask_question
ask_question(
image: vertexai.vision_models.Image, question: str, *, number_of_results: int = 1
) -> typing.List[str]
Consente di rispondere a domande su un'immagine.
Parametri | |
---|---|
Nome | Description |
image |
Image
L'immagine per la quale ottenere le didascalie. Dimensioni massime: 10 MB. |
question |
str
Domanda da fare sull'immagine. |
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. |