Generare embedding multimodali

Puoi generare incorporamenti multimodali in AlloyDB per PostgreSQL utilizzando il modello multimodale Vertex AI supportato, multimodalembedding@001.

Puoi utilizzare i modelli di embedding multimodali di Vertex AI indicati in Modelli supportati.

Questa pagina presuppone che tu abbia familiarità con AlloyDB per PostgreSQL e con i concetti di AI generativa. Per saperne di più, vedi Che cosa sono gli incorporamenti.

Prima di iniziare

Prima di utilizzare gli incorporamenti multimodali:

Integrare Vertex AI e installare l'estensione

  1. Configura l'accesso degli utenti ai modelli Vertex AI.
  2. Verifica che sia installata l'ultima versione di google_ml_integration.

    1. Per controllare la versione installata, esegui questo comando:

              SELECT extversion FROM pg_extension WHERE extname = 'google_ml_integration';
        extversion 
        ------------
        1.5.2
        (1 row)

    2. Se l'estensione non è installata o se la versione installata è precedente alla 1.5.2, aggiornala.

              CREATE EXTENSION IF NOT EXISTS google_ml_integration;
        ALTER EXTENSION google_ml_integration UPDATE;

      Se riscontri problemi durante l'esecuzione dei comandi precedenti o se l'estensione non viene aggiornata alla versione 1.5.2 dopo l'esecuzione dei comandi precedenti, contatta l'Google Cloud assistenza.

  3. Per utilizzare la funzionalità del motore di query AlloyDB AI, imposta il flag google_ml_integration.enable_ai_query_engine su true.

    SQL

    1. Attiva il motore di query AI per la sessione corrente.
                    SET google_ml_integration.enable_ai_query_engine = true;
    2. Attiva le funzionalità per un database specifico tra le sessioni.
                    ALTER DATABASE DATABASE_NAME SET google_ml_integration.enable_ai_query_engine = 'on';
    3. Attiva il motore di query AI per un utente specifico in sessioni e database.
                    ALTER ROLE postgres SET google_ml_integration.enable_ai_query_engine = 'on';

    Console

    Per modificare il valore del flag google_ml_integration.enable_ai_query_engine, segui i passaggi descritti in Configurare i flag di database di un'istanza.

    gcloud

    Per utilizzare gcloud CLI, puoi installare e inizializzare Google Cloud CLI oppure puoi utilizzare Cloud Shell.

    Puoi modificare il valore del flag google_ml_integration.enable_ai_query_engine. Per saperne di più, consulta Configurare i flag di database di un'istanza. 

                 gcloud alloydb instances update INSTANCE_ID \
               --database-flags google_ml_integration.enable_ai_query_engine=on \
               --region=REGION_ID \
               --cluster=CLUSTER_ID \
               --project=PROJECT_ID

Accedere ai dati in Cloud Storage per generare incorporamenti multimodali

  • Per generare incorporamenti multimodali, fai riferimento ai contenuti in Cloud Storage utilizzando un URI gs://.
  • Accedi ai contenuti di Cloud Storage tramite l'agente di servizio Vertex AI del progetto attuale. Per impostazione predefinita, il service agent Vertex AI dispone già dell'autorizzazione per accedere al bucket nello stesso progetto. Per saperne di più, consulta l'indice di ruoli e autorizzazioni IAM.

  • Per accedere ai dati in un bucket Cloud Storage in un altro Google Cloud progetto, esegui il seguente comando gcloud CLI per concedere il ruolo Visualizzatore oggetti Storage (roles/storage.objectViewer) all'agente di servizio Vertex AI del tuo progetto AlloyDB.

    gcloud projects add-iam-policy-binding <ANOTHER_PROJECT_ID> \
--member="serviceAccount:service-<PROJECT_ID>@gcp-sa-aiplatform.iam.gserviceaccount.com" \
--role="roles/storage.objectViewer"

    Per saperne di più, consulta Impostare e gestire le policy IAM sui bucket.

Per generare incorporamenti multimodali, seleziona uno dei seguenti schemi.

Passaggi successivi