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.
پلت فرم 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 بین هوش مصنوعی Google 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 | Google Cloud Vertex AI Gemini API |
---|---|---|
جدیدترین مدل های جمینی | جمینی پرو و جمینی اولترا | جمینی پرو و جمینی اولترا |
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 | Python، Node.js، Android (Kotlin/Java)، Swift، Go | SDK از Python، Node.js، Java، Go پشتیبانی می کند |
ردیف آزاد | آره | 300 دلار اعتبار Google Cloud برای کاربران جدید |
سهمیه (درخواست در دقیقه) | 60 (می توان درخواست افزایش داد) | افزایش در صورت درخواست (پیشفرض: 60) |
پشتیبانی سازمانی | خیر | کلید رمزگذاری مشتری ابر خصوصی مجازی اقامت داده ها دسترسی به شفافیت زیرساخت مقیاس پذیر برای میزبانی برنامه پایگاه های داده و ذخیره سازی داده ها |
MLOs | خیر | MLOs کامل در Vertex AI (مثال: 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:
میتوانید از پروژه Google Cloud موجود خود (همان چیزی که برای تولید کلید API خود استفاده کردید) استفاده کنید یا میتوانید یک پروژه Google Cloud جدید ایجاد کنید .
مناطق پشتیبانی شده ممکن است بین Google AI Studio و Vertex AI متفاوت باشد. فهرست مناطق پشتیبانی شده برای هوش مصنوعی مولد را در Google Cloud ببینید.
هر مدلی که در Google AI Studio ایجاد کردید باید در Vertex AI دوباره آموزش ببیند.
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 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 |
---|---|
| |
نمونه کد برای تولید متن از اعلان متن
هوش مصنوعی گوگل | Vertex AI |
---|---|
| |
نمونه کد برای تولید متن از متن و تصویر
هوش مصنوعی گوگل | Vertex AI |
---|---|
| |
نمونه کد برای ایجاد چت چند نوبتی
هوش مصنوعی گوگل | Vertex AI |
---|---|
| |
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 .
مراحل بعدی
- برای کسب اطلاعات بیشتر در مورد راه حل های هوش مصنوعی مولد در Vertex AI به نمای کلی Vertex AI مراجعه کنید.
- بیشتر در Vertex AI Gemini API شیرجه بزنید.