Google uses AI technology to translate content into your preferred language. AI translations can contain errors.

圖片批次處理

除了串流處理，您也可以選擇批次處理，從資料中取得資訊。這個非串流處理模式可讓您建構應用程式，支援其他媒體類型。

您可以透過選取的模型，批次處理儲存在 Cloud Storage 中的圖片檔案。輸出內容會儲存在 Cloud Storage 中。

支援的模型

下列模型支援批次處理：

標記辨識工具
產品辨識工具

支援的資料類型

本頁說明如何批次處理下列類型的資料：

圖片資料

事前準備

請參閱本頁面所述批次處理作業的支援模型和支援資料類型。
- 如果您使用產品辨識工具模型，請建立 Catalog 和 ProductRecognitionIndex，以便在建立產品辨識工具模型時用於批次處理。或者，找出要使用的現有產品辨識工具索引或產品辨識工具模型。
- 如果您使用標記辨識工具模型，請按照標記辨識工具模型指南建立模型。
建立一或多個 Cloud Storage bucket，用於批次處理輸入和輸出內容。
找出支援的檔案，然後上傳至 Cloud Storage 輸入 bucket 進行處理。

使用者歷程

如要批次處理圖片資料，請完成下列一般步驟：

啟用 Gemini Enterprise Agent Platform Vision API。
建立支援的處理器 (產品辨識工具或標記辨識工具)。
建立應用程式。
1. 輸入：新增通用輸入節點，指定要在 Cloud Storage 中處理的檔案。
2. 處理：新增模型節點。
3. 輸出：新增輸出儲存空間節點，指定處理過的資料在 Cloud Storage 中的儲存位置。
建立應用程式的批次執行個體，每個執行個體對應一個 Cloud Storage bucket 輸入位置。
部署應用程式和應用程式執行個體。
批次處理執行個體完成後，請檢查儲存在 Cloud Storage 中的輸出內容。

批次處理圖片

傳送批次處理要求的步驟會因模型而異。按照目標模型的指示，批次處理圖片。

產品辨識工具模型

使用這些範例，透過產品辨識工具模型批次處理圖片。

控制台

在 Google Cloud 控制台中建立圖片批次處理要求。

建立新應用程式

開啟 Gemini Enterprise Agent Platform Vision 資訊主頁的「應用程式」分頁。

前往「Applications」(應用程式) 分頁
按一下「建立」按鈕。
輸入應用程式名稱並選擇區域。
按一下「繼續」。
選擇帳單付款方式。如要進一步瞭解隨用隨付與月結計費方式，請參閱定價頁面。
點選「建立」。

指定批次處理輸入內容

在圖表應用程式建構工具頁面中，按一下「通用輸入」節點。
在側邊的「通用輸入」窗格中，按一下「選取輸入來源」。
在「選取輸入來源」頁面中，選取「批次預測」。
按一下「繼續」。
在「來源」窗格中，按一下位置挑選器欄位中的「瀏覽」，指出檔案在 Cloud Storage 中的位置。
選用。如要指定更多來源，請按一下「新增項目」，然後重複上一個步驟。
按一下「提交」。

新增模型

在圖表應用程式建構工具頁面中，按一下「專用模型」專區的「產品辨識工具」模型節點。
在「產品辨識工具」窗格中，按一下「選取模型」。
選取「選取現有的產品辨識工具模型」。

如要建立新模型或索引，請選取對應的選項來建立資源。
從清單中選擇模型。
按一下「選取」。
選用。修改「可信度門檻」。
按一下「套用設定」。

新增輸出目的地

在圖表應用程式建構工具頁面中，按一下「輸出」專區的「Cloud Storage」模型節點。
在「Cloud Storage」窗格中，按一下「Browse」(瀏覽)，選取 Cloud Storage 中的批次預測輸出目的地。

部署應用程式

在圖表應用程式建構工具頁面中，按一下「Deploy」(部署)。

REST 和指令列

如要傳送圖片批次處理要求，請完成下列步驟。

使用 projects.locations.processors.create 方法建立產品辨識工具模型。

這項要求包含對 Catalog 和 ProductRecognitionIndex 資源的參照。如要瞭解如何建立 Catalog 和 ProductRecognitionIndex 資源，請參閱產品辨識器模型指南。

curl -X POST \
 -H "Authorization: Bearer $(gcloud auth print-access-token)" \
 -H "Content-Type: application/json" \
 https://visionai.googleapis.com/v1alpha1/projects/PROJECT_ID/locations/LOCATION_ID/processors?processor_id=product-recognition-model1 \
 -d '{
   "display_name": "DISPLAY_NAME",
   "model_type": PRODUCT_RECOGNIZER,
   "custom_processor_source_info": {
     "source_type": PRODUCT_RECOGNIZER,
     "product_recognizer_artifact": {
       "retail_product_recognition_index":"projects/PROJECT_ID/locations/LOCATION_ID/retailCatalogs/CATALOG_ID/retailProductRecognitionIndexes/INDEX_ID",
     }
   }
 }'

使用新建立的產品辨識工具模型建立應用程式。這項要求使用 projects.locations.applications.create 方法。

要求主體 (app.json)：

{
  "applicationConfigs": {
    "nodes": [
      {
        "displayName": "Universal Input",
        "name": "universal-input-0",
        "processor": "builtin:universal-input"
      },
      {
        "displayName": "Product Recognition",
        "name": "product-recognition",
        "nodeConfig": {
          "product_recognizer_config": {
            "recognition_confidence_threshold": 0.75
          }
        },
        "parents": [
          {
            "parentNode": "universal-input-0"
          }
        ],
        "processor": "projects/PROJECT_ID/locations/LOCATION_ID/processors/product-recognition-model1"
      },
      {
        "displayName": "Storage output",
        "name": "gcs-output",
        "nodeConfig": {
          "gcs_output_config": {
            "gcs_path":"gs://product_recognizer_app_output"
          }
        },
        "parents": [
          {
            "parentNode": "product-recognition"
          }
        ],
        "processor": "builtin:gcs-output"
      }
    ]
  }
}

要求：

curl -X POST \
  -H "Authorization: Bearer $(gcloud auth print-access-token)" \
  -H "Content-Type: application/json" \
  -d @app.json  \
  'https://visionai.googleapis.com/v1alpha1/projects/PROJECT_ID/locations/LOCATION_ID/applications?application_id=product-recognition-app'

使用 projects.locations.applications.createApplicationInstances 方法建立應用程式的執行個體。

要求主體 (instances.json)：

 {
   "applicationInstances": [
     {
       "instance": { 
         "instanceType": "BATCH_PREDICTION",
         "inputResources": [
           {
             "consumerNode": "universal-input-0",
             "dataType": "IMAGE",
             "inputResource": "gs://product_recognition_input"
           }
         ]
       },
       "instanceId": "instance1"
     },
     {
       "instance": { 
         "instanceType":"BATCH_PREDICTION",
         "inputResources": [
           {
             "consumerNode": "universal-input-0",
             "dataType": "IMAGE",
             "inputResource": "gs://product_recognition_input2"
           }
         ]
       },
       "instanceId": "instance2"
     }
   ]
 }

要求：

curl -X POST \
  -H "Authorization: Bearer $(gcloud auth print-access-token)" \
  -H "Content-Type: application/json" \
  -d @instances.json \
  'https://visionai.googleapis.com/v1alpha1/projects/PROJECT_ID/locations/LOCATION_ID/applications/product-recognition-app:createApplicationInstances'

部署應用程式。

 curl -X POST \
   -H "Authorization: Bearer $(gcloud auth print-access-token)" \
   -H "Content-Type: application/json" \
   -d '{}' \
   'https://visionai.googleapis.com/v1alpha1/projects/PROJECT_ID/locations/LOCATION_ID/applications/product-recognition-app:deploy'

取得應用程式執行個體。這項資訊會顯示批次處理作業的完成時間。

具體來說，state 欄位會顯示處理作業何時完成："state": "FINISHED"。執行個體完成後，您就無法修改。

您可以使用 projects.locations.applications.instances.list 方法追蹤執行個體。同樣地，如要從這份清單中移除執行個體，請使用 projects.locations.applications.deleteApplicationInstances 方法。

要求：

 curl -X GET \
   -H "Authorization: Bearer $(gcloud auth print-access-token)" \
   -H "Content-Type: application/json"  \
   'https://visionai.googleapis.com/v1alpha1/projects/PROJECT_ID/locations/LOCATION_ID/applications/product-recognition-app/instances'

回覆範例：

 {
   "instances": [
     {
       "name": "projects/PROJECT_ID/locations/LOCATION_ID/applications/product-recognition-app/instances/instance1",
       "createTime": "2023-03-30T18:30:51.991004265Z",
       "inputResources": [
         {
           "inputResource": "gs://product_recognition_input",
           "consumerNode": "universal-input-0",
           "dataType": "IMAGE"
         }
       ],
       "outputResources": [
         {
           "outputResource": "gs://product_recognition_output/instance1",
           "producerNode": "product-recognition",
           "autogen": true
         }
       ],
       "updateTime": "2023-04-18T04:58:18.592092259Z",
       "state": "FINISHED",
       "instanceType": "BATCH_PREDICTION"
     }
 }

標記辨識工具模型

使用這些範例，透過標記辨識工具模型批次處理圖片。

REST 和指令列

如要傳送圖片批次處理要求，請完成下列步驟。

使用 projects.locations.processors.create 方法建立標記辨識工具模型。

您必須指定 Vertex AI 平台 (vertex_model) 中原始模型資源的名稱。

curl -X POST \
 -H "Authorization: Bearer $(gcloud auth print-access-token)" \
 -H "Content-Type: application/json" \
 https://visionai.googleapis.com/v1alpha1/projects/PROJECT_ID/locations/LOCATION_ID/processors?processor_id=tag-recognition-model1 \
 -d '{
   "display_name": "DISPLAY_NAME",
   "model_type": TAG_RECOGNIZER,
   "custom_processor_source_info": {
     "source_type": VERTEX_AUTOML,
     "vertex_model": "projects/PROJECT_ID/locations/LOCATION_ID/models/MODEL_ID"
   }
 }'

使用新建立的標記辨識工具模型建立應用程式。這項要求使用 projects.locations.applications.create 方法。

要求主體 (app.json)：

 {
   "applicationConfigs": {
     "nodes": [
       {
         "displayName": "Universal Input",
         "name": "universal-input-0",
         "processor": "builtin:universal-input"
       },
       {
         "displayName": "Tag Recognition",
         "name": "tag-recognition",
         "nodeConfig": {
           "tag_recognizer_config": {
             "tag_parsing_config": {
               "entity_parsing_configs": [
                 {
                   "entity_class": "price",
                   "regex": "\\$\\d+\\.\\d{2}",
                   "entity_matching_strategy": "MAX_OVERLAP_AREA"
                 }
               ]
             },
             "entity_detection_confidence_threshold": 0.0
           }
         },
         "parents": [
           {
             "parentNode": "universal-input-0"
           }
         ],
         "processor": "projects/PROJECT_ID/locations/LOCATION_ID/processors/tag-recognition-model1"
       },
       {
         "displayName": "Storage output",
         "name": "gcs-output",
         "nodeConfig": {
           "gcs_output_config": {
             "gcs_path": "gs://tag_recognizer_app_output"
           }
         },
         "parents": [
           {
             "parentNode": "tag-recognition"
           }
         ],
         "processor": "builtin:gcs-output"
       }
     ]
   }
 }

要求：

curl -X POST \
  -H "Authorization: Bearer $(gcloud auth print-access-token)" \
  -H "Content-Type: application/json" \
  -d @app.json  \
  'https://visionai.googleapis.com/v1alpha1/projects/PROJECT_ID/locations/LOCATION_ID/applications?application_id=tag-recognition-app'

使用 projects.locations.applications.createApplicationInstances 方法建立應用程式的執行個體。

要求主體 (instances.json)：

 {
   "applicationInstances": [
     {
       "instance": { 
         "instanceType": "BATCH_PREDICTION",
         "inputResources": [
           {
             "consumerNode": "universal-input-0",
             "dataType": "IMAGE",
             "inputResource": "gs://tag_recognition_input"
           }
         ]
       },
       "instanceId": "instance1"
     },
     {
       "instance": { 
         "instanceType":"BATCH_PREDICTION",
         "inputResources": [
           {
             "consumerNode": "universal-input-0",
             "dataType": "IMAGE",
             "inputResource": "gs://tag_recognition_input2"
           }
         ]
       },
       "instanceId": "instance2"
     }
   ]
 }

要求：

curl -X POST \
  -H "Authorization: Bearer $(gcloud auth print-access-token)" \
  -H "Content-Type: application/json" \
  -d @instances.json \
  'https://visionai.googleapis.com/v1alpha1/projects/PROJECT_ID/locations/LOCATION_ID/applications/tag-recognition-app:createApplicationInstances'

部署應用程式。

 curl -X POST \
   -H "Authorization: Bearer $(gcloud auth print-access-token)" \
   -H "Content-Type: application/json" \
   -d '{}' \
   'https://visionai.googleapis.com/v1alpha1/projects/PROJECT_ID/locations/LOCATION_ID/applications/tag-recognition-app:deploy'

取得應用程式執行個體。這項資訊會顯示批次處理作業的完成時間。

具體來說，state 欄位會顯示處理作業何時完成："state": "FINISHED"。執行個體完成後，您就無法修改。

要求：

 curl -X GET \
   -H "Authorization: Bearer $(gcloud auth print-access-token)" \
   -H "Content-Type: application/json"  \
   'https://visionai.googleapis.com/v1alpha1/projects/PROJECT_ID/locations/LOCATION_ID/applications/tag-recognition-app/instances'

回覆範例：

 {
   "instances": [
     {
       "name": "projects/PROJECT_ID/locations/LOCATION_ID/applications/tag-recognition-app/instances/instance1",
       "createTime": "2023-03-30T18:30:51.991004265Z",
       "inputResources": [
         {
           "inputResource": "gs://tag_recognition_input",
           "consumerNode": "universal-input-0",
           "dataType": "IMAGE"
         }
       ],
       "outputResources": [
         {
           "outputResource": "gs://tag_recognition_output/instance1",
           "producerNode": "tag-recognition",
           "autogen": true
         }
       ],
       "updateTime": "2023-04-18T04:58:18.592092259Z",
       "state": "FINISHED",
       "instanceType": "BATCH_PREDICTION"
     }
 }

圖片批次處理 透過集合功能整理內容 你可以依據偏好儲存及分類內容。

支援的模型

支援的資料類型

事前準備

使用者歷程

批次處理圖片

產品辨識工具模型

控制台

REST 和指令列

標記辨識工具模型

REST 和指令列

圖片批次處理