פיתוח באמצעות Gemini ב-Google Cloud

אם זו הפעם הראשונה שאתם משתמשים ב-Gemini, תוכלו להיעזר במדריך למתחילים הוא הדרך המהירה ביותר להתחיל.

עם זאת, ככל שפתרונות ה-AI הגנרטיבי שלכם יתבגרו, ייתכן שתזדקקו לפלטפורמה לפיתוח פריסת אפליקציות ופתרונות של בינה מלאכותית גנרטיבית מקצה לקצה. Google Cloud מספק סביבה עסקית מקיפה של כלים שמאפשרת למפתחים לנצל את העוצמה של AI גנרטיבי, מהשלבים הראשונים של פיתוח האפליקציה ועד פריסת האפליקציה, אירוח אפליקציות וניהול של נתונים בקנה מידה נרחב.

פלטפורמת Vertex AI של Google Cloud מציעה חבילה של כלי MLOps שמייעלים את השימוש, הפריסה, ומעקב אחרי מודלים של AI לשיפור היעילות והאמינות. בנוסף, שילובים עם מסדי נתונים, כלי DevOps, רישום ביומן, מעקב ו-IAM מספקים גישה הוליסטית לניהול את כל מחזור החיים של בינה מלאכותית גנרטיבית.

בטבלה הבאה מוצגים סיכום של ההבדלים העיקריים בין AI מבית Google לבין Vertex AI כדי לעזור לכם ולהחליט איזו אפשרות מתאימה לתרחיש שלכם לדוגמה:

תכונות	Gemini ב-AI מבית Google	Vertex AI Gemini API
מודלים של Gemini	Gemini 1.5 Flash, Gemini 1.5 Pro, Gemini 1.0 Pro, Gemini 1.0 Pro Vision (הוצא משימוש)	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
הרשמה	חשבון Google	חשבון Google Cloud (עם הסכם תנאים וחיוב)
אימות	מפתח API	חשבון שירות ב-Google Cloud
מגרש משחקים של ממשק המשתמש	‏Google AI Studio	Vertex AI Studio
API & ערכת SDK	ערכות SDK לשרת ולנייד/לקוח אינטרנט שרת: Python, Node.js, Go, Dart לקוח לנייד/אינטרנט: Android (Kotlin/Java), Swift, Web, Flutter	ערכות SDK לשרת ולנייד/לקוח אינטרנט שרת: Python, Node.js, Go, Java לקוח לנייד/אינטרנט (דרך Vertex AI for Firebase): Android (Kotlin/Java), Swift, אינטרנט, Flutter
שימוש ללא עלות ב-API ערכת SDK	כן, במקרים הרלוונטיים	זיכוי בסך 300$ ב-Google Cloud למשתמשים חדשים
מכסה (בקשות לדקה)	משתנה בהתאם לדגם ולתוכנית התמחור והתשלומים (מידע מפורט)	משתנה בהתאם למודל ולאזור (מידע מפורט)
תמיכה לארגונים	לא	מפתח הצפנה של לקוח ענן וירטואלי פרטי המיקום של נתונים שקיפות גישה תשתית ניתנת להרחבה לאירוח אפליקציות מסדי נתונים ואחסון נתונים
MLOps	לא	MLOps מלא ב-Vertex AI (דוגמאות: הערכת מודלים, Model Monitoring, Model Registry)

כדי ללמוד אילו מוצרים, frameworks וכלים הכי מתאימים ליצירת של הבינה המלאכותית הגנרטיבית ב-Google Cloud, פיתוח אפליקציה של בינה מלאכותית גנרטיבית ב-Google Cloud

מעבר מ-Gemini ב-AI מבית Google ל-Vertex AI

אם באפליקציה נעשה שימוש בממשקי ה-API של Gemini ב-Google AI, צריך לעבור אל ממשקי ה-API של Vertex AI Gemini ב-Google Cloud.

בעת ההעברה:

אפשר להשתמש בפרויקט הקיים שלך ב-Google Cloud (אותו המפתח שבו השתמשתם כדי ליצור את מפתח ה-API) או שאתם יכולים יוצרים פרויקט חדש ב-Google Cloud.
ייתכן שיהיו הבדלים בין האזורים הנתמכים בין Google AI Studio לבין Vertex AI. לצפייה רשימת האזורים הנתמכים ב-AI גנרטיבי ב-Google Cloud
כל מודל שיצרתם ב-Google AI Studio צריך לעבור אימון מחדש ב-Vertex AI.

Python: מעבר מ-Google AI Gemini API ל-Vertex AI Gemini API

בקטעים הבאים מוצגים קטעי קוד שיעזרו לכם להעביר את קוד Python אל ו-Vertex AI Gemini API.

הגדרת Vertex AI Python SDK

ב-Vertex AI לא צריך מפתח API. במקום זאת, Gemini ב-Vertex AI מנוהל באמצעות גישה ב-IAM, ששולטים בהרשאה של משתמש, קבוצה או חשבון שירות לקרוא ל-Gemini API באמצעות Vertex AI SDK.

יש הרבה דרכים לבצע אימות, השיטה הקלה ביותר לאימות בסביבת הפיתוח היא התקנת Google Cloud CLI ולהשתמש בפרטי הכניסה של המשתמש כדי נכנסים ל-CLI.

כדי לבצע קריאות הסקת מסקנות ל-Vertex AI, צריך גם לוודא שלחשבון המשתמש או לחשבון השירות שלכם ב-Vertex AI תפקיד משתמש.

דוגמה לקוד להתקנת הלקוח

‫AI מבית Google Vertex AI

‫AI מבית Google	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)`


       # 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)

דוגמה לקוד ליצירת טקסט מהנחיה בטקסט

‫AI מבית Google Vertex AI

‫AI מבית Google	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.`


       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.

דוגמה לקוד ליצירת טקסט מטקסט ומתמונה

‫AI מבית Google Vertex AI

‫AI מבית Google	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.`


       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.

דוגמה לקוד ליצירת צ'אט עם מספר פניות

‫AI מבית Google Vertex AI

‫AI מבית Google	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)`


       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)

מחיקת מפתחות API שלא בשימוש

אם לא צריך יותר להשתמש במפתח Gemini API של Google AI, מומלץ לפעול לפי מיטב האבטחה ולמחוק אותם.

כדי למחוק מפתח API:

פותחים את פרטי הכניסה ל-Google Cloud API הדף הזה.
מאתרים את מפתח ה-API שרוצים למחוק ולוחצים על הסמל Actions (פעולות).
בוחרים באפשרות Delete API key.
בחלון מחיקת פרטי הכניסה, בוחרים באפשרות מחיקה.

המחיקה של מפתח API נמשכת כמה דקות. אחרי ההפצה הושלמה, וכל תנועה שמשתמשת במפתח ה-API שנמחק תידחה.

השלבים הבאים

לצפייה סקירה כללית על AI גנרטיבי ב-Vertex AI לקבל מידע נוסף על פתרונות של בינה מלאכותית גנרטיבית ב-Vertex AI.
מתעמקים ב-Vertex AI Gemini API.