【小沐学AI】Google AI大模型的一点点学习（Python）

文章目录

  • 1、Google AI简介
    • 1.1 Google AI Studio
    • 1.2 Bard
    • 1.3 PaLM
    • 1.4 Gemini
    • 1.5 Gemini API
    • 1.6 Vertex AI
    • 1.7 Gemma
  • 2、Google AI开发
    • 2.1 快速入门
      • 2.1.1 配置开发环境
      • 2.1.2 列出所有模型
      • 2.1.3 从文本输入生成文本
      • 2.1.4 从图像和文本输入生成文本
      • 2.1.5 聊天对话
  • 结语

1、Google AI简介

Gemini 是 Google 最大、功能最强大的 AI 模型。

在这里插入图片描述
语言模型技术发展图鉴，出自最新的一篇文章：
Harnessing the Power of LLMs in Practice: A Survey on ChatGPT and Beyond
https://arxiv.org/pdf/2304.13712.pdf
在这里插入图片描述

1.1 Google AI Studio

最快速开始使用 Gemini 的方法是使用 Google AI Studio，这是一款基于网络的工具，可让您直接在浏览器中对提示进行原型设计和运行。
https://aistudio.google.com/app/prompts/new_chat

在这里插入图片描述
借助 Google AI Studio，开发人员可以将 Gemini 模型与简单安全的 API 无缝集成，快速开发提示，并将想法转化为代码以构建生成式 AI 应用。

1.2 Bard

2023年5月，谷歌推出了由 PaLM2 驱动的全新对话式 AI 引擎 Bard，简单地说就是谷歌版的 New Bing Chat。
在这里插入图片描述

现在Bard 更名 Gemini。2024年2月8日，Bard完成了全面升级。Google也宣布进入Gemini新纪元。从今天开始，Bard将会更名为Gemini。
https://gemini.google.com/app

1.3 PaLM

https://ai.google/discover/palm2

PaLM 2 是一系列语言模型，针对关键开发者使用场景进行了优化。PaLM 系列模型包括针对文本和聊天生成以及文本嵌入训练的变体。

在这里插入图片描述

在这里插入图片描述

模型名称更新时间型号代码
Bison Text2023 年 5 月text-bison-001
Bison Chat2023 年 5 月chat-bison-001
Gecko Embedding2023 年 5 月embedding-gecko-001

1.4 Gemini

https://deepmind.google/technologies/gemini/#introduction

Gemini 是 Google 最大、功能最强大的 AI 模型。
Gemini 是 Google 的最新一代生成模型，超越了 PaLM 模型系列的功能。
Gemini 和 PaLM 模型之间的主要区别在于 Gemini 视觉模型能够处理图像输入。您可以使用文本和/或图片向 Gemini 模型提示。PaLM 模型仅处理文本输入和输出。这两个模型系列都可以执行文本提示、聊天互动和结构化提示。
在这里插入图片描述
Gemini 是 Google最大、能力最强的人工智能模型，Gemini分为三种规模：Ultra、Pro和Nano，适用于从大型数据中心到移动设备的各种场景。目前，Bard已经集成了Gemini Pro，提升了其在高级推理、规划、理解等方面的能力。
在这里插入图片描述

  • Gemini Ultra：最强大的模型，设计用于复杂任务，在TPU加速器上可高效服务。
  • Gemini Pro：在成本和延迟方面进行了优化，该模型在广泛的任务中提供显著性能，展示出强大的推理和多模态能力。
  • Gemini Nano：最高效的设备上模型，有两个版本（1.8B和3.25B参数），适用于低内存和高内存设备。它通过从更大的模型中提取精华训练，并以4位量化部署。

1.5 Gemini API

Gemini API 为 Gemini 和 PaLM 生成式 AI 模型提供了编程接口。

  • 适用于 Gemini API 的 AI 模型:
    在这里插入图片描述
  • Vertex AI Gemini API 支持以下 SDK：
model = genai.GenerativeModel(model_name="gemini-1.0-pro-vision")
response = model.generate_content(["What is this?", img])

1.6 Vertex AI

https://cloud.google.com/vertex-ai
Vertex AI 提供构建和使用生成式 AI 所需的一切，包括 AI 解决方案、Search and Conversation、130 多种基础模型，以及统一的 AI 平台。

Vertex AI 是一个机器学习 (ML) 平台，可让您训练和部署机器学习模型和人工智能应用。Vertex AI 结合了数据工程、数据科学和机器学习工程工作流，使团队能够使用通用工具集进行协作。

在这里插入图片描述

1.7 Gemma

https://ai.google.dev/gemma?hl=zh-cn
Gemma 是一个轻量级、最先进的开放式模型系列，采用与创建 Gemini 模型相同的研究和技术构建。Gemma 由 Google DeepMind 和 Google 的其他团队开发，灵感来自双子座，这个名字反映了拉丁语 gemma，意思是“宝石”。
在这里插入图片描述
Gemma 模型非常适合各种文本生成任务，包括问答、总结和推理。它们相对较小的尺寸使其可以部署在资源有限的环境中，例如笔记本电脑、台式机或您自己的云基础设施，从而实现对最先进 AI 模型的访问民主化，并帮助促进每个人的创新。

Gemma 是 Google DeepMind 推出的全新系列轻量级、先进的开放模型。此型号卡包括 2B 和 7B 型号变体。

2、Google AI开发

https://ai.google.dev/tutorials?hl=zh-cn

借助 Gemini API，您可以使用 Google 最新的生成式 AI 模型。

2.1 快速入门

Gemini 快速入门可帮助您使用自己偏好的编程语言开始使用 Gemini。

  • Python
  • Go
  • Node.js
  • Web
  • Dart (Flutter)
  • Swift
  • Android
  • REST API

2.1.1 配置开发环境

开始配置开发环境：

  • （1）安装Python3.11
    https://www.python.org/downloads/windows/

在这里插入图片描述
在这里插入图片描述

  • （2）安装google-generativeai
# pip install -q -U google-generativeai
pip install google-generativeai

在这里插入图片描述

  • （3）安装jupyter notebook
pip install jupyter notebook

在这里插入图片描述

  • （4）命令行执行命令：
jupyter notebook

在这里插入图片描述
自动打开浏览器，显示如下网址，
在这里插入图片描述
然后按照如下步骤新建notebook。
在这里插入图片描述

显示如下：
在这里插入图片描述

2.1.2 列出所有模型

  • （5）输入Python代码如下：
import pathlib
import textwrapimport google.generativeai as genaifrom IPython.display import display
from IPython.display import Markdowndef to_markdown(text):text = text.replace('•', '  *')return Markdown(textwrap.indent(text, '> ', predicate=lambda _: True))# 将密钥传递给genai.configure
# pip install -U python-dotenv
from dotenv import load_dotenv, find_dotenv
load_dotenv(find_dotenv('.env'))
# genai.configure(api_key=GOOGLE_API_KEY)
genai.configure(api_key=os.environ.get("GOOGLE_API_KEY"))# 用于查看可用的 Gemini 型号
for m in genai.list_models():if 'generateContent' in m.supported_generation_methods:print(m.name)

在这里插入图片描述
执行Python代码：
在这里插入图片描述
结果如下：
在这里插入图片描述

2.1.3 从文本输入生成文本

  • （6）输入Python代码如下：
import pathlib
import textwrapimport google.generativeai as genaifrom IPython.display import display
from IPython.display import Markdowndef to_markdown(text):text = text.replace('•', '  *')return Markdown(textwrap.indent(text, '> ', predicate=lambda _: True))# 将密钥传递给genai.configure
# pip install -U python-dotenv
import os
from dotenv import load_dotenv, find_dotenv
load_dotenv(find_dotenv('.env'))
# genai.configure(api_key=GOOGLE_API_KEY)
genai.configure(api_key=os.environ.get("GOOGLE_API_KEY"))# 对于纯文本提示，请使用以下模型：gemini-pro
model = genai.GenerativeModel('gemini-pro')# 从文本输入生成文本
response = model.generate_content("写一段关于flask的Python代码，并向爱看书的小沐解释")# 打印结果
print(response.text)

界面如下：
在这里插入图片描述

执行Python代码的结果如下：
在这里插入图片描述

2.1.4 从图像和文本输入生成文本

这里有一张图：
在这里插入图片描述

使用模型并将图像传递给模型，让它输出文字描述。

  • （6）输入Python代码如下：
import pathlib
import textwrapimport google.generativeai as genaifrom IPython.display import display
from IPython.display import Markdowndef to_markdown(text):text = text.replace('•', '  *')return Markdown(textwrap.indent(text, '> ', predicate=lambda _: True))# 将密钥传递给genai.configure
# pip install -U python-dotenv
import os
from dotenv import load_dotenv, find_dotenv
load_dotenv(find_dotenv('.env'))
# genai.configure(api_key=GOOGLE_API_KEY)
genai.configure(api_key=os.environ.get("GOOGLE_API_KEY"))# 对于纯文本提示，请使用以下模型：gemini-pro
model = genai.GenerativeModel('gemini-pro-vision')# 图片转文字
import PIL.Image
img = PIL.Image.open('flower.jpg')response = model.generate_content(img)
to_markdown(response.text)

界面如下：
在这里插入图片描述

执行Python代码的结果如下：
在这里插入图片描述
若要在提示中同时提供文本和图像，请传递包含字符串和图像的列表：

import pathlib
import textwrapimport google.generativeai as genaifrom IPython.display import display
from IPython.display import Markdowndef to_markdown(text):text = text.replace('•', '  *')return Markdown(textwrap.indent(text, '> ', predicate=lambda _: True))# 将密钥传递给genai.configure
# pip install -U python-dotenv
import os
from dotenv import load_dotenv, find_dotenv
load_dotenv(find_dotenv('.env'))
# genai.configure(api_key=GOOGLE_API_KEY)
genai.configure(api_key=os.environ.get("GOOGLE_API_KEY"))# 对于纯文本提示，请使用以下模型：gemini-pro
model = genai.GenerativeModel('gemini-pro-vision')import PIL.Image
img = PIL.Image.open('flower.jpg')response = model.generate_content(["基于这张图片，给名字叫'爱看书的小沐'的小伙伴写一小段短文，字数100字左右", img])
response.resolve()
to_markdown(response.text)

界面如下：
在这里插入图片描述

执行Python代码的结果如下：
在这里插入图片描述

2.1.5 聊天对话

Gemini 使您能够在多个回合中进行自由形式的对话。

import pathlib
import textwrapimport google.generativeai as genaifrom IPython.display import display
from IPython.display import Markdowndef to_markdown(text):text = text.replace('•', '  *')return Markdown(textwrap.indent(text, '> ', predicate=lambda _: True))# 将密钥传递给genai.configure
# pip install -U python-dotenv
import os
from dotenv import load_dotenv, find_dotenv
load_dotenv(find_dotenv('.env'))
# genai.configure(api_key=GOOGLE_API_KEY)
genai.configure(api_key=os.environ.get("GOOGLE_API_KEY"))# 对于纯文本提示，请使用以下模型：gemini-pro
model = genai.GenerativeModel('gemini-pro')
chat = model.start_chat(history=[])response = chat.send_message("生命诚可贵，爱情价更高。若为自由故，二者皆可抛。")
to_markdown(response.text)# print(chat.history)
for message in chat.history:display(to_markdown(f'**{message.role}**: {message.parts[0].text}'))

界面如下：
在这里插入图片描述

执行Python代码的结果如下：
在这里插入图片描述

结语

如果您觉得该方法或代码有一点点用处，可以给作者点个赞，或打赏杯咖啡；╮(￣▽￣)╭
如果您感觉方法或代码不咋地//(ㄒoㄒ)//，就在评论处留言，作者继续改进；o_O???
如果您需要相关功能的代码定制化开发，可以留言私信作者；(✿◡‿◡)
感谢各位童鞋们的支持！( ´ ▽´ )ﾉ ( ´ ▽´)っ！！！

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.mzph.cn/news/761509.shtml

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

LeetCode 0310.最小高度树：拓扑排序秒了

LeetCode 0310.最小高度树：拓扑排序秒了

【LetMeFly】310.最小高度树：拓扑排序秒了 力扣题目链接：https://leetcode.cn/problems/minimum-height-trees/ 树是一个无向图，其中任何两个顶点只通过一条路径连接。 换句话说，一个任何没有简单环路的连通图都是一棵树。 给你…
阅读更多...
代码随想录算法训练营 DAY 16 | 104.二叉树最大深度 111.二叉树最小深度 222.完全二叉树的节点个数

代码随想录算法训练营 DAY 16 | 104.二叉树最大深度 111.二叉树最小深度 222.完全二叉树的节点个数

104.二叉树最大深度 深度和高度 二叉树节点的深度：指从根节点到该节点的最长简单路径边的条数或者节点数（取决于深度从0开始还是从1开始）二叉树节点的高度：指从该节点到叶子节点的最长简单路径边的条数或者节点数（取…
阅读更多...
Linux学习：git补充与调试工具gdb

Linux学习：git补充与调试工具gdb

目录 1. git版本控制器（续）1.1 git本地仓库结构1.2 git实现版本控制与多人协作的方式1.3 git相关指令，多分支模型与.gitignore文件 2. gdb调试工具2.1 企业项目开发流程简述与调试的必要性2.2 bug的调试思路方法与调式工具的使用 1. git版本控…
阅读更多...
软考高级：特定领域软件架构（DSSA）概念和例题

软考高级：特定领域软件架构（DSSA）概念和例题

作者：明明如月学长， CSDN 博客专家，大厂高级 Java 工程师，《性能优化方法论》作者、《解锁大厂思维：剖析《阿里巴巴Java开发手册》》、《再学经典：《Effective Java》独家解析》专栏作者。 热门文章推荐&am…
阅读更多...
linux网络固定ip的方式

linux网络固定ip的方式

1. 注意 默认情况下，我们linux操作系统 ip 获取的方式是自动获取的方式（DHCP），自动获取在我们需要进行集群配置的时候，IP会经常变化，需要将IP固定下来。 2. 第一步 编辑我们 linux 的网卡文件 这个网卡文件…
阅读更多...
环境变量配置

环境变量配置

举一个小例子来演示一下环境变量配置。 在CMD中打开QQ界面，首先需要知道QQ.exe文件的完整路径。一旦有了这个路径，可以按照以下步骤操作： 打开CMD窗口。可以通过按下Windows键R，输入“cmd”并回车来打开它。在CMD窗口中&#xf…
阅读更多...
【LINUX笔记】驱动开发框架

【LINUX笔记】驱动开发框架

应用程序调动驱动程序 驱动模块运行模式 模块加载-卸载 加载卸载注册函数 加载 驱动编译完成以后扩展名为.ko，有两种命令可以加载驱动模块： insmod和modprobe 驱动卸载 驱动注册注销 //查看当前已经被使用掉的设备号 cat /proc/devices 实现设备的具…
阅读更多...
按键模拟精灵

按键模拟精灵

按键模拟精灵功能简单： 1.添加模拟按键 2.删除模拟按键 3.开始模拟 4.停止模拟 适合简单的按键操作，有需要的可以点赞收藏关注我！
阅读更多...
Axure RP 9 for mac中文版密钥激活版下载

Axure RP 9 for mac中文版密钥激活版下载

Axure RP 9是一款专业的快速原型设计工具，它可以帮助产品设计师、交互设计师和用户体验设计师等创建高保真度、交互性强的原型，以便在产品开发之前进行测试和用户验证。 软件下载：Axure RP 9 for mac中文版密钥激活版下载 该工具具有丰富的功…
阅读更多...
javaSwing俄罗斯方块

javaSwing俄罗斯方块

目录 1 绪论 1.1程序开发背景及意义 1.2开发技术概述 1.3俄罗斯方块游戏的研究现状 1.3.1 国内外研究现状 1.3.2 文献综述 2相关技术 2.4.1 硬件平台： 2.4.2 软件平台： 3 系统分析 3.1可行性分析 3.1.1经济可行性分析 3.1.2技术可行性分析 3.1.3社会可行…
阅读更多...
Linux 文件系统：重定向、缓冲区

Linux 文件系统：重定向、缓冲区

目录 一、重定向 1、输出重定向 2、输入重定向 3、追加重定向 4、dup2 系统调用 二、理性理解Linux系统下“一切皆文件” 了解硬件接口 三、缓冲区 1、为什么要有缓冲区? 2、刷新策略 3、缓冲模式改变导致发生写时拷贝 未创建子进程时 创建子进程时 使用fflush…
阅读更多...
ubuntu將en01變成eth0的形式

ubuntu將en01變成eth0的形式

文章目录 前言一、操作步驟1、打開grub文件2、輸入更新指令3、查看結果 二、使用步骤总结 前言 一、操作步驟 1、打開grub文件 使用管理員權限打開，添加新內容 sudo gedit grub2、輸入更新指令 sudo update-grub3、查看結果 使用ifconfig查看是否修改成功&…
阅读更多...
安达发|印刷包装APS生产计划排产系统的商业价值

安达发|印刷包装APS生产计划排产系统的商业价值

在当今快速消费和竞争激烈的市场环境中，印刷包装行业面临着前所未有的挑战。随着客户需求的多样化、交付期限的缩短以及原材料价格的波动，传统的生产管理方法已无法满足现代印刷包装企业的复杂需求。为了保持竞争力，企业必须采用先进的生产计…
阅读更多...
接口测试面试题整理

接口测试面试题整理

HTTP, HTTPS协议 什么是DNSHTTP协议怎么抓取HTTPS协议说出请求接口中常见的返回状态码http协议请求方式HTTP和HTTPS协议区别HTTP和HTTPS实现机有什么不同POST和GET的区别HTTP请求报文与响应报文格式什么是Http协议无状态协议?怎么解决HTTP协议无状态协议常见的POST提交数据方…
阅读更多...
C++进阶02 多态性

C++进阶02 多态性

听课笔记简单整理，供小伙伴们参考~🥝🥝 第1版：听课的记录代码~🧩🧩 编辑：梅头脑🌸 审核：文心一言 目录 🐳课程来源 🐳前言 🐋运…
阅读更多...
JAVA安全（偏基础）

JAVA安全（偏基础）

SQL注入 SQLI(SQL Injection)， SQL注入是因为程序未能正确对用户的输入进行检查，将用户的输入以拼接的方式带入SQL语句，导致了SQL注入的产生。攻击者可通过SQL注入直接获取数据库信息，造成信息泄漏。 JDBC JDBC有两个方法获取s…
阅读更多...
数据挖掘之关联规则

数据挖掘之关联规则

“啤酒和尿布的荣誉” 概念 项 item：单个的事物个体 ，I{i1,i2…im}是所有项的集合，|I|m是项的总数项集（item set)/模式（pattern)：项的集合，包含k个项的项集称为k-项集数据集(data set)/数据库…
阅读更多...
Linux快速入门，上手开发 02.VMware的安装部署

Linux快速入门，上手开发 02.VMware的安装部署

倘若穷途末路，那便势如破竹 —— 24.3.21 一、VMware的作用 在Windows或IOS系统下，给本地电脑安装VMware虚拟机，用来在虚拟机上安装Linux系统，避免重复资源的浪费，可以在虚拟机上搭建Linux系统进行学习 二、VMware的安…
阅读更多...
树莓派夜视摄像头拍摄红外LED灯

树莓派夜视摄像头拍摄红外LED灯

NoIR相机是一种特殊类型的红外摄像头，其名称来源于"No Infrared"的缩写。与普通的彩色摄像头不同，NoIR相机具备红外摄影和低光条件下摄影的能力。 一般摄像头能够感知可见光，并用于普通摄影和视频拍摄。而NoIR相机则在设计上去除了…
阅读更多...
C语言疑难题：杨辉三角形、辗转相除求最大公约数、求π的近似值、兔子问题、打印菱形

C语言疑难题：杨辉三角形、辗转相除求最大公约数、求π的近似值、兔子问题、打印菱形

杨辉三角形&#xff1a;打印杨辉三角形的前10行 /* 杨辉三角形&#xff1a;打印杨辉三角形的前10行 */ #include<stdio.h> int main(){ int i,j; int a[10][10]; printf("\n"); for(i0;i<10;i){ a[i][0]1; a[i][i]1; …
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023