در سالهای اخیر ، پیشرفت های Google در AI تولیدی چگونه ما با مدل های یادگیری ماشین ، به ویژه از طریق پتانسیل AI Vertex و مدل های قدرتمند جمینی ، ارتباط برقرار کرده است. به طور سنتی ، مدل های یادگیری ماشین به مقادیر زیادی از داده های دارای برچسب نیاز داشتند تا در کارهای خاص به خوبی انجام دهند. با این حال ، با معرفی یادگیری چند عکس، این مدل های AI تولیدی اکنون می توانند با تعداد انگشت شماری از نمونه ها به عملکرد چشمگیر دست یابند.
یادگیری چند شات یک رویکرد جدید ارائه می دهد و به مدل ها امکان می دهد تا حتی با داده های محدود ، سریعاً تعمیم و سازگار شوند. این در سناریوهایی که دستیابی به مجموعه داده های بزرگ غیر عملی یا پرهزینه است ، مفید است.
در این مقاله ، ما با استفاده از Gemini به مراحل عملی اجرای یادگیری چند شات در راس AI می پردازیم. ما چگونگی ساخت و سازهای مؤثر ، پیکربندی محیط و تولید خروجی های معنی دار را فقط با چند مثال بررسی خواهیم کرد.
یادگیری چند عکس چیست؟
Lead Shot Learning نوعی از تکنیک یادگیری ماشین است که از داده های بسیار کمی برای یادگیری و سازگاری با کارها استفاده می کند. این برخلاف مدل های سنتی یادگیری ماشین است ، که به طور معمول برای دستیابی به عملکرد خوب به مجموعه داده های بزرگی نیاز دارند.
Leber Shot Learning از مدلهای از پیش آموزش استفاده می کند ، اغلب از طریق یادگیری انتقال یا تکنیک های یادگیری متا. این مدل برای اولین بار در یک مجموعه داده گسترده برای یادگیری الگوهای و بازنمایی های کلی آموزش داده می شود. هنگامی که به یک کار جدید معرفی شد ، این دانش قبلی را به همراه چند نمونه ارائه شده برای پیش بینی اعمال می کند.
نمای کلی از vertex ai
Vertex AI Google یک پلت فرم جامع و کاملاً مدیریت شده یادگیری ماشین (ML) است که برای ساده سازی توسعه ، استقرار و مقیاس گذاری مدل های ML و برنامه های AI طراحی شده است. با متحد کردن خدمات مختلف Google Cloud در زیر یک چتر ، Vertex AI کل گردش کار ML را ساده می کند و هم مبتدیان و هم متخصصان را قادر می سازد تا راه حل های AI قوی را به طور کارآمد بسازند. ویژگی های اصلی راس AI شامل موارد زیر است:
-
رابط یکپارچه
-
ادغام با چارچوب های منبع باز (Tensorflow ، Pytorch)
-
قابلیت های Automl
-
API های از قبل آموزش دیده
-
ادغام پایان به پایان با Google Cloud Services
-
پشتیبانی MLOPS (نظارت ، نسخه سازی ، مدیریت مدل)
-
پشتیبانی از مدل های سفارشی و از قبل آموزش دیده
-
ردیابی آزمایش و آموزش مدل
-
تنظیم بیش از حد پارامتری
-
فروشگاه ویژگی برای مدیریت داده
-
استقرار و خدمت مدل
-
مقیاس پذیری و عملکرد بالا
تنظیم Vertex AI
تنظیم Vertex AI شامل چند تنظیم است. برای داشتن یک مجموعه دقیق تر ، به اسناد Vertex AI بروید تا روش های مختلف تنظیم و نصب را کشف کنید. مروری بر تنظیم Vertex AI شامل موارد زیر است:
-
به کنسول Google Cloud بروید.
-
یک پروژه جدید ایجاد کنید.
-
API Vertex AI را با حرکت به “APIS & Services”> “کتابخانه” فعال کنید و سپس “Vertex AI” را جستجو کنید.
-
برای فعال کردن API روی “Enable” کلیک کنید.
برای استفاده از محلی ، vertex ai sdk را می توان از طریق PIP با استفاده از دستور بارگیری کرد
pip install google-cloud-aiplatform
برای کسب اطلاعات بیشتر در مورد Vertex AI SDK یا رابط ها ، به اسناد مراجعه کنید.
اجرای چند عکس با جمینی در Vertex AI
در حالی که مدل های مختلفی مانند Google's Palm و گزینه های شخص ثالث مانند Claude و Kodi Anthropic از این رویکرد پشتیبانی می کنند ، این مقاله به استفاده از آن می پردازد جنین، مدل چند مدلی پیشرفته Google در دسترس است vertex aiبشر Gemini در برخورد با ورودی های متنوع-از جمله متن ، تصاویر و فیلم ها-از آن استفاده می کند و آن را به عنوان یک انتخاب همه کاره برای اجرای یادگیری چند شات.
از طریق vertex ai sdk برای پایتون یا کاربر پسند استودیوی Vertex AI رابط
با استفاده از vertex ai sdk
برای استفاده از Vertex AI از طریق SDK خود ، کتابخانه ابتدا باید با استفاده از دستور بارگیری شود:
pip install google-cloud-aiplatform
پس از نصب ، بسته های لازم را وارد کنید
import vertexai
from vertexai.generative_models import GenerativeModel
این نکته ای است که Vertex AI و مدل اولیه می شوند.
vertexai.init(project="project-id", location="location")
model = GenerativeModel("gemini-2.0-pro-exp-02-05")
بیایید چند نمونه را برای کار چند شات تنظیم کنیم. این مثال براساس تجزیه و تحلیل احساسات یک فیلم تماشا شده است.
examples = """
Input: "This movie was amazing!"
Output: Positive
Input: "I hated this film."
Output: Negative
Input: "The acting was okay, but the plot was boring."
Output: Negative
"""
حال ، بیایید از نمونه ها استفاده کنیم و ورودی کاربر را برای دریافت خروجی/احساسات در نظر بگیریم.
# The Sentence We Want to Analyze
user_input = "I absolutely loved the story and the characters!"
# Combine Examples and the User Input into a Single Prompt
prompt = f"{examples}\nInput: {user_input}\nOutput:"
# Get the Response from Gemini
response = model.generate_content(prompt)
# Print the Result
print(f"Sentiment: {response.text}")
توجه: برای یافتن شناسه پروژه و موقعیت مکانی ، به صفحه اصلی پروژه در کنسول خود بروید.
خروجی:
Sentiment: Output: Positive
حرکت به استفاده از استودیوی زیبا راس AI.
با استفاده از استودیوی Vertex AI
استودیوی Vertex AI یک محیط توسعه یکپارچه در پلت فرم Vertex AI Google Cloud است که برای بهبود نمونه سازی سریع ، آزمایش و استقرار مدل های یادگیری ماشین ، از جمله مدل های تولید کننده AI مانند Google's Gemini طراحی شده است. این یک رابط کاربر پسند را ارائه می دهد که به توسعه دهندگان و دانشمندان داده اجازه می دهد تا با مدل ها ، صنایع دستی و اصلاحات را در تعامل داشته باشند و خروجی ها را بدون نیاز به برنامه نویسی گسترده ارزیابی کنند.
در اینجا یک نگاه در استودیو وجود دارد
برای استفاده از استودیوی Vertex AI برای کار چند شات ، بیایید برخی از مطالب را در بخش “سریع” بنویسیم و اجرا کنیم.
همچنین می توان تصاویر را برای چند کار شات منتقل کرد
پایان
در این مقاله ، ما در مورد اجرای یادگیری چند شات با استفاده از جمینی در راس AI ، مورد بررسی قرار داده ایم ، و همه کاره بودن آن را در رسیدگی به ورودی های متنوع داده ها و انعطاف پذیری ارائه شده از طریق استحکام AI SDK و استودیوی Vertex AI برجسته کرده ایم. با استفاده موثر از این ابزارها ، توسعه دهندگان و دانشمندان داده می توانند مدل های هوش مصنوعی قوی را ایجاد کنند که بتوانند از حداقل نمونه ها بیاموزند و از این طریق پیشرفت برنامه های هوشمند را تسریع می کنند.
