Mit Gemini in Google Cloud erstellen

Wenn Sie Gemini noch nicht kennen, lesen Sie die Kurzanleitungen. ist die schnellste Möglichkeit, loszulegen.

Wenn Ihre generativen KI-Lösungen besser werden, benötigen Sie möglicherweise eine Plattform für die Erstellung und Bereitstellung von generativen KI-Anwendungen und -Lösungen. Google Cloud bietet eine umfassende Tools, mit denen Entwickelnde die Möglichkeiten von generativer KI, von den Anfangsphasen der App-Entwicklung über die App-Bereitstellung bis hin zum App-Hosting und der Verwaltung komplexer Apps. große Datenmengen übertragen.

Die Vertex AI-Plattform von Google Cloud bietet eine Reihe von MLOps-Tools, die Nutzung, Bereitstellung, und Monitoring von KI-Modellen auf Effizienz und Zuverlässigkeit. Darüber hinaus bieten Integrationen mit Datenbanken, DevOps-Tools, Logging, Monitoring und IAM einen ganzheitlichen Ansatz zum Verwalten des gesamten Lebenszyklus der generativen KI.

In der folgenden Tabelle sind die Hauptunterschiede zwischen Google AI und Vertex AI zusammengefasst, damit Sie Entscheiden können, welche Option für Ihren Anwendungsfall am besten ist:

Um zu erfahren, welche Produkte, Konzepte und Tools sich am besten für Ihrer generativen KI-Anwendung in Google Cloud, siehe Generative AI-Anwendung in Google Cloud erstellen

Von Gemini in Google AI zu Vertex AI migrieren

Wenn Ihre Anwendung Gemini APIs von Google AI verwendet, müssen Sie zu Vertex AI Gemini APIs von Google Cloud

Beachten Sie bei der Migration Folgendes:

• Sie können Ihr vorhandenes Google Cloud-Projekt verwenden (dieselbe, die Sie zum Generieren des API-Schlüssels verwendet haben). Alternativ können Sie Erstellen Sie ein neues Google Cloud-Projekt.

• Die unterstützten Regionen können zwischen Google AI Studio und Vertex AI variieren. Weitere Informationen finden Sie in der Liste der unterstützten Regionen für generative KI in Google Cloud.

• Alle in Google AI Studio erstellten Modelle müssen in Vertex AI neu trainiert werden.

Python: Von der Google AI Gemini API zur Vertex AI Gemini API migrieren

In den folgenden Abschnitten finden Sie Code-Snippets, die Ihnen bei der Migration Ihres Python-Codes zur Verwendung der Vertex AI Gemini API helfen.

Vertex AI Python SDK einrichten

In Vertex AI benötigen Sie keinen API-Schlüssel. Stattdessen wird Gemini in Vertex AI mit IAM-Zugriff verwaltet. Damit wird die Berechtigung für einen Nutzer, eine Gruppe oder ein Dienstkonto gesteuert, mit dem die Gemini API über das Vertex AI SDK aufgerufen wird.

Es gibt zwar viele Möglichkeiten zur Authentifizierung, aber die einfachste Methode zur Authentifizierung in einer Entwicklungsumgebung ist die Installation der Google Cloud CLI und die Verwendung Ihrer Nutzeranmeldedaten, um sich bei der CLI anzumelden.

Für Inferenzaufrufe an Vertex AI muss Ihr Nutzer- oder Dienstkonto außerdem Vertex AI Nutzerrolle:

Codebeispiel für die Installation des Clients

# To install the Python SDK, use this CLI command:
# pip install google-generativeai

import google.generativeai as genai
from google.generativeai import GenerativeModel

API_KEY=""
genai.configure(api_key=API_KEY)
        

# To install the Python SDK, use this CLI command:
# pip install google-cloud-aiplatform

import vertexai
from vertexai.generative_models
          import GenerativeModel, Image

PROJECT_ID = ""
REGION = ""  # e.g. us-central1
vertexai.init(project=PROJECT_ID, location=REGION)
        

Codebeispiel zum Generieren von Text aus einem Text-Prompt

model = GenerativeModel('gemini-1.5-flash')

response = model.generate_content('The opposite of hot is')
print(response.text) #  The opposite of hot is cold.
        

model = GenerativeModel('gemini-1.5-flash')

response = model.generate_content('The opposite of hot is')
print(response.text) #  The opposite of hot is cold.
        

Codebeispiel zum Erstellen von Text aus Text und Bild

import PIL.Image

multimodal_model = GenerativeModel('gemini-1.5-flash')

image = PIL.Image.open('image.jpg')

response = multimodal_model.generate_content(['What is this picture?', image])
print(response.text) # A cat is shown in this picture.
        

multimodal_model = GenerativeModel("gemini-1.5-flash")

image = Image.load_from_file("image.jpg")

response = multimodal_model.generate_content(["What is shown in this image?", image])

print(response.text) # A cat is shown in this picture.
        

Codebeispiel zum Generieren des wechselseitigen Chats

model = GenerativeModel('gemini-1.5-flash')

chat = model.start_chat()

print(chat.send_message("How are you?").text)
print(chat.send_message("What can you do?").text)
        

model = GenerativeModel("gemini-1.5-flash")

chat = model.start_chat()

print(chat.send_message("How are you?").text)
print(chat.send_message("What can you do?").text)
        

Nicht verwendete API-Schlüssel löschen

Wenn Sie den Google AI Gemini API-Schlüssel nicht mehr verwenden müssen, folgen Sie den Best Practices für die Sicherheit und löschen Sie ihn.

So löschen Sie einen API-Schlüssel:

1. Öffnen Sie das Google Cloud API-Anmeldedaten Seite.

2. Suchen Sie den API-Schlüssel, den Sie löschen möchten, und klicken Sie auf das Symbol Aktionen.

3. Wählen Sie API-Schlüssel löschen aus.

4. Wählen Sie im modalen Fenster Anmeldedaten löschen die Option Löschen aus.

   Das Löschen eines API-Schlüssels dauert einige Minuten. Danach werden alle Anfragen, für die der gelöschte API-Schlüssel verwendet wird, abgelehnt.

Nächste Schritte

• Weitere Informationen finden Sie in der Generative KI in Vertex AI – Übersicht um mehr über Generative AI-Lösungen in Vertex AI zu erfahren.
• Weitere Informationen zur Gemini API von Vertex AI