Memperkenalkan Google Gemini API: Cari Kekuatan Model Gemini AI Baru

Google's Gemini AI: Panduan Komprehensif untuk API

Model Gemini AI Google, terutamanya Gemini Pro, bersedia untuk membuat kemajuan yang ketara dalam landskap AI, yang menawarkan alternatif yang kuat kepada pesaing seperti ChatGPT. Tutorial ini meneroka API Gemini, yang membolehkan pemaju mengintegrasikan keupayaan AI canggih ke dalam aplikasi mereka. Kami akan merangkumi teks dan input imej, pemilihan model, dan ciri -ciri canggih.

Memahami Gemini ai

Gemini AI, model AI multimodal yang dibangunkan oleh Google Research dan Google DeepMind, memproses pelbagai jenis data, termasuk teks, kod, audio, imej, dan video. Dibina dengan pendekatan manusia yang berpusatkan, ia bertujuan untuk memberi manfaat kepada manusia. Skalabilitasnya membolehkan penempatan merentasi pelbagai sistem, dari pusat data ke peranti mudah alih. Tiga versi utama memenuhi keperluan khusus:

1. Gemini Ultra: Model yang paling maju, cemerlang dalam tugas -tugas kompleks.
2. Gemini Pro: Pilihan seimbang yang menawarkan prestasi dan skalabiliti yang kuat.
3. Gemini Nano: Dioptimumkan untuk peranti mudah alih, mengutamakan kecekapan.

Sumber imej

Gemini Ultra terutamanya mengatasi GPT-4 pada beberapa tanda aras, mempamerkan pemahaman yang lebih baik dan kebolehan menyelesaikan masalahnya. Untuk pendatang baru AI, trek kemahiran AI Google AI menyediakan pengenalan yang berguna kepada konsep utama.

persediaan dan konfigurasi API

Sebelum menggunakan API, dapatkan kunci API dari Google AI untuk pemaju:

Klik "Dapatkan Kunci API."

1. Buat projek dan menghasilkan kunci.
2. Tetapkan pembolehubah persekitaran "Gemini_API_Key" (dengan selamat menggunakan rahsia kaggle jika berkenaan).
3. Pasang Gemini Python API:
4. %pip install google-generativeai Konfigurasikan API menggunakan kunci anda:

Menjana respons dengan Gemini Pro

import google.generativeai as genai
from kaggle_secrets import UserSecretsClient # If using Kaggle

user_secrets = UserSecretsClient()
gemini_key = user_secrets.get_secret("GEMINI_API_KEY")  # If using Kaggle

genai.configure(api_key=gemini_key)

mari kita menghasilkan teks menggunakan model

:

gemini-pro

API percuma memberikan satu respons. Untuk mengakses pelbagai calon, pelan berbayar diperlukan. Perhatikan bahawa output sering dalam format markdown; Gunakan

model = genai.GenerativeModel('gemini-pro')
response = model.generate_content("List the most influential people in the world.")
print(response.text)

untuk rendering yang betul. Menjana kod python sama -sama mudah:

IPython.display.Markdown

memanfaatkan streaming untuk prestasi yang dipertingkatkan

response = model.generate_content("Build a simple Python web application.")
Markdown(response.text)

Meningkatkan kelajuan yang dirasakan dengan menggunakan streaming:

respons penalaan halus

from IPython.display import display

model = genai.GenerativeModel("gemini-pro")
response = model.generate_content("How can I make authentic Italian pasta?", stream=True)

for chunk in response:
    display(Markdown(chunk.text))
    display(Markdown("_" * 80))

Sesuaikan respons menggunakan

:

GenerationConfig

menggunakan visi Gemini Pro untuk input multimodal

response = model.generate_content(
    'How to be productive during a burnout stage.',
    generation_config=genai.types.GenerationConfig(
        candidate_count=1,
        stop_sequences=['time'],
        max_output_tokens=1000,
        temperature=0.7)
)

Markdown(response.text)

Gemini Pro Vision mengendalikan input imej. Selepas memuat turun imej (mis., Menggunakan

), memuatkan dan memaparkannya menggunakan bantal:

curl

Kemudian, gunakan imej dengan model:

!curl -o landscape.jpg "https://images.pexels.com/photos/18776367/...etc"
import PIL.Image
img = PIL.Image.open('landscape.jpg')
display(img)

import google.generativeai as genai
from kaggle_secrets import UserSecretsClient # If using Kaggle

user_secrets = UserSecretsClient()
gemini_key = user_secrets.get_secret("GEMINI_API_KEY")  # If using Kaggle

genai.configure(api_key=gemini_key)

perbualan sembang dan pengekalan konteks

mengekalkan konteks perbualan menggunakan start_chat:

model = genai.GenerativeModel('gemini-pro')
response = model.generate_content("List the most influential people in the world.")
print(response.text)

Bekerja dengan Embeddings

menghasilkan embeddings untuk analisis semantik:

response = model.generate_content("Build a simple Python web application.")
Markdown(response.text)

Ciri -ciri Lanjutan dan Kesimpulan

Terokai ciri-ciri canggih seperti tetapan keselamatan, akses API peringkat rendah, dan perbualan berbilang pusingan yang diperluaskan untuk pembangunan aplikasi yang dipertingkatkan. API Gemini memberi kuasa kepada pemaju untuk membuat aplikasi AI yang canggih, memanfaatkan keupayaan multimodalnya dan integrasi Python yang lancar. Sumber pembelajaran lebih lanjut, termasuk kursus dan helaian cheat, boleh didapati untuk penerokaan yang lebih mendalam.

Atas ialah kandungan terperinci Memperkenalkan Google Gemini API: Cari Kekuatan Model Gemini AI Baru. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!