Gemini-Modellparameter konfigurieren

Generiert Text aus einem Bild mit dem Gemini-Modell und gibt den generierten Text zurück. In diesem Beispiel wird gezeigt, wie Modellkonfigurationsparameter festgelegt werden.

Codebeispiel

Python

Bevor Sie dieses Beispiel anwenden, folgen Sie den Python-Einrichtungsschritten in der Vertex AI-Kurzanleitung zur Verwendung von Clientbibliotheken. Weitere Informationen finden Sie in der Referenzdokumentation zur Vertex AI Python API.

Richten Sie zur Authentifizierung bei Vertex AI Standardanmeldedaten für Anwendungen ein. Weitere Informationen finden Sie unter Authentifizierung für eine lokale Entwicklungsumgebung einrichten. 

import base64
import vertexai

from vertexai.generative_models import GenerationConfig, GenerativeModel, Part

# TODO(developer): Update and un-comment below line
# PROJECT_ID = "your-project-id"
vertexai.init(project=PROJECT_ID, location="us-central1")

model = GenerativeModel("gemini-1.5-flash-002")

# Load example image from local storage
encoded_image = base64.b64encode(open("scones.jpg", "rb").read()).decode("utf-8")
image_content = Part.from_data(
    data=base64.b64decode(encoded_image), mime_type="image/jpeg"
)

# Generation Config
config = GenerationConfig(
    max_output_tokens=2048, temperature=0.4, top_p=1, top_k=32
)

# Generate text
response = model.generate_content(
    [image_content, "what is this image?"], generation_config=config
)
print(response.text)
# Example response:
# That's a lovely overhead shot of a rustic still life featuring blueberry scones.
# Here's a breakdown of what's in the image:
# * **Blueberry Scones:** Several freshly baked blueberry scones are arranged on
# a piece of parchment paper. They appear to be homemade and slightly crumbly.
# ...

Nächste Schritte

Informationen zum Suchen und Filtern von Codebeispielen für andere Google Cloud-Produkte finden Sie im Google Cloud-Beispielbrowser.