לפני שמתחילים
מוודאים שרשמתם את נקודת הקצה של המודל בניהול נקודות קצה של מודלים. מידע נוסף זמין במאמר הרשמה וקריאה למודלים של AI מרחוק ב-AlloyDB Omni.
הפעלת חיזויים למודלים כלליים
משתמשים בפונקציית ה-SQL google_ml.predict_row() כדי לקרוא לנקודת קצה של מודל גנרי רשום ולהפעיל חיזויים.
SELECT
google_ml.predict_row(
model_id => 'MODEL_ID',
request_body => 'REQUEST_BODY');
מחליפים את מה שכתוב בשדות הבאים:
-
MODEL_ID: מזהה המודל שהגדרתם כשרושמתם את נקודת הקצה של המודל. -
REQUEST_BODY: הפרמטרים של פונקציית החיזוי, בפורמט JSON.
דוגמאות
בקטע הזה מופיעות כמה דוגמאות להפעלת תחזיות באמצעות נקודות קצה של מודלים רשומים.
כדי ליצור תחזיות לנקודת קצה של מודל gemini-1.5-pro:streamGenerateContent רשום, מריצים את ההצהרה הבאה:
SELECT
json_array_elements( google_ml.predict_row( model_id => 'gemini-1.5-pro:streamGenerateContent',
request_body => '{ "contents": [ { "role": "user", "parts": [ { "text": "For TPCH database schema as mentioned here https://www.tpc.org/TPC_Documents_Current_Versions/pdf/TPC-H_v3.0.1.pdf , generate a SQL query to find all supplier names which are located in the India nation." } ] } ] }'))-> 'candidates' -> 0 -> 'content' -> 'parts' -> 0 -> 'text';
כדי ליצור תחזיות לנקודת קצה של מודל facebook/bart-large-mnli רשום ב-Hugging Face, מריצים את ההצהרה הבאה:
SELECT
google_ml.predict_row(
model_id => 'facebook/bart-large-mnli',
request_body =>
'{
"inputs": "Hi, I recently bought a device from your company but it is not working as advertised and I would like to get reimbursed!",
"parameters": {"candidate_labels": ["refund", "legal", "faq"]}
}'
);
כדי ליצור תחזיות לנקודת קצה של מודל Anthropic claude-3-opus-20240229 רשום, מריצים את ההצהרה הבאה:
SELECT
google_ml.predict_row('anthropic-opus', '{
"model": "claude-3-opus-20240229",
"max_tokens": 1024,
"messages": [
{"role": "user", "content": "Hello, world"}
]
}');