با Gemini در Google Cloud بسازید

اگر شما تازه وارد Gemini هستید، استفاده از شروع سریع سریعترین راه برای شروع است.

با این حال، زمانی که راه‌حل‌های هوش مصنوعی مولد شما بالغ می‌شوند، ممکن است به پلتفرمی برای ساخت و استقرار برنامه‌ها و راه‌حل‌های هوش مصنوعی مولد نیاز داشته باشید. Google Cloud یک اکوسیستم جامع از ابزارها را فراهم می کند تا توسعه دهندگان را قادر می سازد از قدرت هوش مصنوعی مولد، از مراحل اولیه توسعه برنامه تا استقرار برنامه، میزبانی برنامه، و مدیریت داده های پیچیده در مقیاس استفاده کنند.

پلتفرم Google Cloud Vertex AI مجموعه ای از ابزارهای MLOps را ارائه می دهد که استفاده، استقرار و نظارت بر مدل های هوش مصنوعی را برای کارایی و قابلیت اطمینان ساده می کند. علاوه بر این، ادغام با پایگاه‌های داده، ابزارهای DevOps، ورود به سیستم، نظارت و IAM رویکردی جامع برای مدیریت کل چرخه عمر AI مولد ارائه می‌کند.

جدول زیر تفاوت های اصلی Google AI و Vertex AI را خلاصه می کند تا به شما کمک کند تصمیم بگیرید کدام گزینه برای مورد استفاده شما مناسب است:

امکانات Google AI Gemini API Vertex AI Gemini API
مدل های جوزا Gemini 1.5 Flash، Gemini 1.5 Pro، Gemini 1.0 Pro، Gemini 1.0 Pro Vision (منسوخ شده) Gemini 1.5 Flash، Gemini 1.5 Pro، Gemini 1.0 Pro، Gemini 1.0 Pro Vision، Gemini 1.0 Ultra، Gemini 1.0 Ultra Vision
ثبت نام حساب کاربری گوگل حساب Google Cloud (با شرایط قرارداد و صورت‌حساب)
احراز هویت کلید ای پی ای حساب سرویس Google Cloud
رابط کاربری زمین بازی استودیوی هوش مصنوعی گوگل Vertex AI Studio
API & SDK SDK سرور و موبایل/کلاینت وب
  • سرور: Python، Node.js، Go، Dart
  • سرویس گیرنده موبایل/وب: اندروید (کوتلین/جاوا)، سوئیفت، وب، فلاتر
 SDK سرور و موبایل/کلاینت وب
  • سرور: Python، Node.js، Go، جاوا
  • سرویس گیرنده موبایل/وب (از طریق Vertex AI برای Firebase ): Android (Kotlin/Java)، Swift، Web، Flutter
استفاده بدون هزینه از API و SDK بله، در صورت لزوم 300 دلار اعتبار Google Cloud برای کاربران جدید
سهمیه (درخواست در دقیقه) بر اساس مدل و طرح قیمت گذاری متفاوت است ( اطلاعات دقیق را ببینید) بر اساس مدل و منطقه متفاوت است ( اطلاعات دقیق را ببینید)
پشتیبانی سازمانی خیر کلید رمزگذاری مشتری
ابر خصوصی مجازی
اقامت داده
دسترسی به شفافیت
زیرساخت مقیاس پذیر برای میزبانی برنامه
پایگاه های داده و ذخیره سازی داده ها
MLOs خیر MLOهای کامل در Vertex AI (مثلاً: ارزیابی مدل، نظارت بر مدل، ثبت مدل)

برای اینکه بدانید کدام محصولات، چارچوب‌ها و ابزارها برای ساختن برنامه هوش مصنوعی مولد شما در Google Cloud بهترین تطابق هستند، به ساخت برنامه هوش مصنوعی مولد در Google Cloud مراجعه کنید.

از Gemini در Google AI به Vertex AI مهاجرت کنید

اگر برنامه شما از APIهای Google AI Gemini استفاده می کند، باید به APIهای Vertex AI Gemini Google Cloud مهاجرت کنید.

هنگام مهاجرت:

Python: از Google AI Gemini API به Vertex AI Gemini API مهاجرت کنید

بخش‌های زیر تکه‌های کدی را نشان می‌دهند که به شما کمک می‌کند کد پایتون خود را برای استفاده از Vertex AI Gemini API منتقل کنید.

Vertex AI Python SDK Setup

در Vertex AI، به کلید API نیاز ندارید. در عوض، Gemini در Vertex AI با استفاده از دسترسی IAM مدیریت می‌شود، که اجازه یک کاربر، یک گروه یا یک حساب سرویس را برای فراخوانی Gemini API از طریق Vertex AI SDK کنترل می‌کند.

در حالی که راه‌های زیادی برای احراز هویت وجود دارد، ساده‌ترین روش برای احراز هویت در محیط توسعه نصب Google Cloud CLI و سپس استفاده از اعتبار کاربری خود برای ورود به CLI است.

برای برقراری تماس های استنتاج با Vertex AI، همچنین باید مطمئن شوید که حساب کاربری یا سرویس شما دارای نقش Vertex AI User است.

مثال کد برای نصب کلاینت

هوش مصنوعی گوگل Vertex AI
# 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)

نمونه کد برای تولید متن از اعلان متن

هوش مصنوعی گوگل Vertex AI
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.

نمونه کد برای تولید متن از متن و تصویر

هوش مصنوعی گوگل Vertex AI
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.

مثال کد برای ایجاد چت چند نوبتی

هوش مصنوعی گوگل Vertex AI
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)

کلیدهای API استفاده نشده را حذف کنید

اگر دیگر نیازی به استفاده از کلید Google AI Gemini API ندارید، بهترین شیوه های امنیتی را دنبال کنید و آن را حذف کنید.

برای حذف یک کلید API:

  1. صفحه Google Cloud API Credentials را باز کنید.

  2. کلید API را که می خواهید حذف کنید پیدا کنید و روی نماد Actions کلیک کنید.

  3. کلید حذف API را انتخاب کنید.

  4. در حالت حذف اعتبار ، حذف را انتخاب کنید.

    انتشار یک کلید API چند دقیقه طول می کشد. پس از تکمیل انتشار، هرگونه ترافیک با استفاده از کلید API حذف شده رد می شود.

مراحل بعدی