בדף הזה מתואר גרסת טרום-השקה שמאפשרת לכם להתנסות ברישום של נקודת קצה של מודל AI ובהפעלת חיזויים באמצעות ניהול נקודות קצה של מודלים. כדי להשתמש במודלים של AI בסביבות ייצור, אפשר לעיין במאמרים יצירת אפליקציות של AI גנרטיבי באמצעות AlloyDB AI ועבודה עם הטמעות וקטוריות.
אחרי שמוסיפים את נקודות הקצה של המודל ורושמים אותן בניהול נקודות הקצה של המודל, אפשר להפנות אליהן באמצעות מזהה המודל כדי ליצור הטמעות.
לפני שמתחילים
מוודאים שרשמתם את נקודת הקצה של המודל בניהול נקודות קצה של מודלים. למידע נוסף, ראו רישום של נקודת קצה של מודל באמצעות ניהול נקודות קצה של מודלים
יצירת הטמעות
משתמשים בפונקציית ה-SQL google_ml.embedding() כדי לקרוא לנקודת הקצה של המודל הרשום עם סוג המודל של הטמעת הטקסט, כדי ליצור הטמעות.
כדי להפעיל את המודל וליצור הטבעות, משתמשים בשאילתת ה-SQL הבאה:
SELECT
google_ml.embedding(
model_id => 'MODEL_ID',
content => 'CONTENT');
מחליפים את מה שכתוב בשדות הבאים:
-
MODEL_ID: מזהה המודל שהגדרתם כשרושמתם את נקודת הקצה של המודל. -
CONTENT: הטקסט שרוצים לתרגם להטמעה וקטורית.
דוגמאות
בקטע הזה מופיעות כמה דוגמאות ליצירת הטמעות באמצעות נקודת קצה של מודל רשום.
מודלים להטמעת טקסט עם תמיכה מובנית
כדי ליצור הטמעות לנקודת קצה של מודל textembedding-gecko@002 רשום, מריצים את ההצהרה הבאה:
SELECT
google_ml.embedding(
model_id => 'textembedding-gecko@002',
content => 'AlloyDB is a managed, cloud-hosted SQL database service');
כדי ליצור הטמעות לנקודת קצה של מודל text-embedding-ada-002 רשום של OpenAI, מריצים את ההצהרה הבאה:
SELECT
google_ml.embedding(
model_id => 'text-embedding-ada-002',
content => 'e-mail spam');
מודלים אחרים להטמעת טקסט
כדי ליצור הטמעות לנקודות קצה של מודלים רשומים text-embedding-3-small או text-embedding-3-large של OpenAI, מריצים את ההצהרה הבאה:
SELECT
google_ml.embedding(
model_id => 'text-embedding-3-small',
content => 'Vector embeddings in AI');