יצירת הטמעות וקטוריות באמצעות ניהול נקודות קצה של מודלים

בדף הזה מוסבר איך לרשום נקודת קצה של מודל AI וליצור הטמעות וקטורים באמצעות ניהול נקודות קצה של מודלים. כדי להשתמש במודלים של AI בסביבות ייצור, קראו את המאמרים פיתוח אפליקציות של AI גנרטיבי באמצעות Cloud SQL ועבודה עם הטמעות וקטורים.

אחרי שמוסיפים ורושמים את נקודות הקצה של המודל בניהול נקודות הקצה של המודלים, אפשר להפנות אליהן באמצעות מזהה המודל כדי ליצור הטמעות.

לפני שמתחילים

חשוב לוודא שאתם מבצעים את הפעולות הבאות:

• רושמים את נקודת הקצה של המודל באמצעות ניהול נקודות הקצה של המודל. מידע נוסף זמין במאמר רישום וקריאה למודלי AI מרוחקים באמצעות ניהול נקודות קצה של מודלים.
• יוצרים או מעדכנים את המכונה של Cloud SQL כדי שאפשר יהיה לשלב אותה עם Vertex AI. מידע נוסף זמין במאמר הפעלת שילוב של מסד נתונים עם Vertex AI.

יצירת הטמעות

משתמשים בפונקציית ה-SQL‏ google_ml.embedding() כדי לקרוא לנקודת הקצה של המודל הרשום עם סוג המודל של הטמעת הטקסט, וכך ליצור הטמעות.

כדי לקרוא למודל וליצור הטמעות, 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 כשביצעתם רישום של נקודת הקצה של המודל
• ‫CONTENT: הטקסט שרוצים לתרגם להטמעת וקטורים

דוגמאות

בקטע הזה מפורטות כמה דוגמאות ליצירת הטמעות באמצעות נקודות קצה של מודלים רשומים.

מודלים של הטמעת טקסט עם תמיכה מובנית

כדי ליצור הטמעות לנקודת קצה רשומה של מודל textembedding-gecko@002, מריצים את ההצהרה הבאה:

    SELECT
      google_ml.embedding(
        model_id => 'textembedding-gecko@002',
        content => 'Cloud SQL is a managed, cloud-hosted SQL database service');