วิธีเข้าถึงและใช้ Gemini API ฟรี – KDnuggets

ภาพโดยผู้เขียน 

Gemini เป็นโมเดลใหม่ที่พัฒนาโดย Google และ Bard ก็กลับมาใช้งานได้อีกครั้ง ด้วย Gemini คุณสามารถได้รับคำตอบที่เกือบจะสมบูรณ์แบบสำหรับคำถามของคุณโดยการระบุรูปภาพ เสียง และข้อความ

ในบทช่วยสอนนี้ เราจะเรียนรู้เกี่ยวกับ Gemini API และวิธีการตั้งค่าบนเครื่องของคุณ นอกจากนี้เรายังจะสำรวจฟังก์ชัน Python API ต่างๆ รวมถึงการสร้างข้อความและการทำความเข้าใจรูปภาพ

เมถุน เป็นโมเดล AI ใหม่ที่พัฒนาผ่านการทำงานร่วมกันระหว่างทีมงานของ Google รวมถึง Google Research และ Google DeepMind สร้างขึ้นเป็นพิเศษเพื่อให้เป็นแบบหลายรูปแบบ ซึ่งหมายความว่าสามารถเข้าใจและทำงานกับข้อมูลประเภทต่างๆ ได้ เช่น ข้อความ โค้ด เสียง รูปภาพ และวิดีโอ

Gemini เป็นโมเดล AI ที่ทันสมัยและใหญ่ที่สุดที่พัฒนาโดย Google จนถึงปัจจุบัน ได้รับการออกแบบให้มีความยืดหยุ่นสูงเพื่อให้สามารถทำงานได้อย่างมีประสิทธิภาพบนระบบที่หลากหลาย ตั้งแต่ศูนย์ข้อมูลไปจนถึงอุปกรณ์เคลื่อนที่ ซึ่งหมายความว่ามีศักยภาพที่จะปฏิวัติวิธีที่ธุรกิจและนักพัฒนาสามารถสร้างและปรับขนาดแอปพลิเคชัน AI ได้

นี่คือรุ่น Gemini สามเวอร์ชันที่ออกแบบมาสำหรับกรณีการใช้งานที่แตกต่างกัน:

• ราศีเมถุนอัลตร้า: AI ที่ใหญ่ที่สุดและทันสมัยที่สุดที่สามารถทำงานที่ซับซ้อนได้
• ราศีเมถุนโปร: โมเดลที่สมดุลซึ่งมีประสิทธิภาพที่ดีและสามารถปรับขนาดได้
• ราศีเมถุนนาโน: มีประสิทธิภาพสูงสุดสำหรับอุปกรณ์พกพา

ภาพจาก แนะนำราศีเมถุน
 

Gemini Ultra มีประสิทธิภาพที่ล้ำสมัย ซึ่งเหนือกว่าประสิทธิภาพของ GPT-4 ในหลายตัวชี้วัด เป็นโมเดลแรกที่มีประสิทธิภาพเหนือกว่าผู้เชี่ยวชาญที่เป็นมนุษย์ในเกณฑ์มาตรฐานการทำความเข้าใจภาษาแบบมัลติทาสก์ขนาดใหญ่ ซึ่งทดสอบความรู้ระดับโลกและการแก้ปัญหาใน 57 วิชาที่หลากหลาย สิ่งนี้แสดงให้เห็นถึงความเข้าใจขั้นสูงและความสามารถในการแก้ไขปัญหา

หากต้องการใช้ API เราต้องได้รับคีย์ API ที่คุณสามารถทำได้จากที่นี่ก่อน: https://ai.google.dev/tutorials/setup

หลังจากนั้นคลิกที่ปุ่ม "รับคีย์ API" จากนั้นคลิกที่ "สร้างคีย์ API ในโครงการใหม่"

คัดลอกคีย์ API และตั้งค่าเป็นตัวแปรสภาพแวดล้อม เรากำลังใช้ Deepnote และการตั้งค่าคีย์ด้วยชื่อ "GEMINI_API_KEY" ค่อนข้างง่าย เพียงไปที่การบูรณาการ เลื่อนลงและเลือกตัวแปรสภาพแวดล้อม

ในขั้นตอนถัดไป เราจะติดตั้ง Python API โดยใช้ PIP:

pip install -q -U google-generativeai

หลังจากนั้น เราจะตั้งค่าคีย์ API เป็น GenAI ของ Google และเริ่มต้นอินสแตนซ์

import google.generativeai as genai
import os

gemini_api_key = os.environ["GEMINI_API_KEY"]
genai.configure(api_key = gemini_api_key)

หลังจากตั้งค่าคีย์ API แล้ว การใช้โมเดล Gemini Pro เพื่อสร้างเนื้อหาก็เป็นเรื่องง่าย ระบุข้อความแจ้งไปยังฟังก์ชัน `generate_content` และแสดงเอาต์พุตเป็น Markdown

from IPython.display import Markdown

model = genai.GenerativeModel('gemini-pro')
response = model.generate_content("Who is the GOAT in the NBA?")

Markdown(response.text)

น่าทึ่งมาก แต่ฉันไม่เห็นด้วยกับรายการ อย่างไรก็ตาม ฉันเข้าใจว่ามันเป็นเรื่องของความชอบส่วนบุคคล

ราศีเมถุนสามารถสร้างคำตอบได้หลายรายการ เรียกว่าผู้สมัครรับข้อความในข้อความเดียว คุณสามารถเลือกสิ่งที่เหมาะสมที่สุดได้ ในกรณีของเรา เรามีคำตอบเดียวเท่านั้น

response.candidates

เรามาขอให้มันเขียนเกมง่ายๆ ใน Python กันดีกว่า

response = model.generate_content("Build a simple game in Python")

Markdown(response.text)

ผลลัพธ์นั้นง่ายและตรงประเด็น LLM ส่วนใหญ่เริ่มอธิบายโค้ด Python แทนที่จะเขียนมัน

คุณสามารถปรับแต่งการตอบสนองของคุณได้โดยใช้อาร์กิวเมนต์ `generic_config` เรากำลังจำกัดการนับผู้สมัครไว้ที่ 1 โดยเพิ่มคำว่า "ช่องว่าง" และตั้งค่าโทเค็นและอุณหภูมิสูงสุด

response = model.generate_content(
    'Write a short story about aliens.',
    generation_config=genai.types.GenerationConfig(
        candidate_count=1,
        stop_sequences=['space'],
        max_output_tokens=200,
        temperature=0.7)
)

Markdown(response.text)

อย่างที่คุณเห็น การตอบสนองหยุดลงก่อนคำว่า "ช่องว่าง" อัศจรรย์.

คุณยังสามารถใช้อาร์กิวเมนต์ "สตรีม" เพื่อสตรีมการตอบกลับได้ คล้ายกับ Anthropic และ OpenAI API แต่เร็วกว่า

model = genai.GenerativeModel('gemini-pro')
response = model.generate_content("Write a Julia function for cleaning the data.", stream=True)

for chunk in response:
    print(chunk.text)

ในส่วนนี้เราจะโหลด ของมาซูด อัสลามี ถ่ายภาพและใช้เพื่อทดสอบความหลากหลายของ Gemini Pro Vision

โหลดภาพไปที่ `PIL` และแสดง

import PIL.Image

img = PIL.Image.open('images/photo-1.jpg')

img

เรามีภาพถ่ายคุณภาพสูงของ Rua Augusta Arch

มาโหลดโมเดล Gemini Pro Vision แล้วแนบไปกับรูปภาพกัน

model = genai.GenerativeModel('gemini-pro-vision')

response = model.generate_content(img)

Markdown(response.text)

แบบจำลองระบุพระราชวังได้อย่างแม่นยำและให้ข้อมูลเพิ่มเติมเกี่ยวกับประวัติศาสตร์และสถาปัตยกรรม

เรามาจัดเตรียมรูปภาพเดียวกันให้กับ GPT-4 และถามเกี่ยวกับรูปภาพนั้นกัน ทั้งสองรุ่นให้คำตอบที่เกือบจะคล้ายกัน แต่ฉันชอบการตอบสนองของ GPT-4 มากกว่า

ตอนนี้เราจะจัดเตรียมข้อความและรูปภาพให้กับ API เราได้ขอให้ Vision Model เขียนบล็อกท่องเที่ยวโดยใช้รูปภาพเป็นข้อมูลอ้างอิง

response = model.generate_content(["Write a travel blog post using the image as reference.", img])

Markdown(response.text)

มันทำให้ฉันมีบล็อกสั้น ๆ ฉันคาดหวังรูปแบบที่ยาวกว่านี้

เมื่อเปรียบเทียบกับ GPT-4 โมเดล Gemini Pro Vision ประสบปัญหาในการสร้างบล็อกที่มีรูปแบบยาว

เราสามารถตั้งค่าโมเดลให้มีการสนทนาไปมาได้ ด้วยวิธีนี้ โมเดลจะจดจำบริบทและการตอบกลับโดยใช้การสนทนาก่อนหน้านี้

ในกรณีของเรา เราได้เริ่มเซสชันการแชทแล้วและขอให้โมเดลช่วยฉันในการเริ่มต้นเล่นเกม Dota 2

model = genai.GenerativeModel('gemini-pro')

chat = model.start_chat(history=[])

chat.send_message("Can you please guide me on how to start playing Dota 2?")

chat.history

อย่างที่คุณเห็น ออบเจ็กต์ "แชท" กำลังบันทึกประวัติของผู้ใช้และโหมดแชท

 
นอกจากนี้เรายังสามารถแสดงในรูปแบบ Markdown ได้อีกด้วย

for message in chat.history:
    display(Markdown(f'**{message.role}**: {message.parts[0].text}'))

ลองถามคำถามติดตามผล

chat.send_message("Which Dota 2 heroes should I start with?")

for message in chat.history:
    display(Markdown(f'**{message.role}**: {message.parts[0].text}'))

เราสามารถเลื่อนลงไปดูเซสชันทั้งหมดพร้อมกับโมเดลได้

โมเดลการฝังกำลังได้รับความนิยมมากขึ้นสำหรับแอปพลิเคชันแบบ Context-Aware โมเดล Gemini embedding-001 ช่วยให้คำ ประโยค หรือเอกสารทั้งหมดสามารถแสดงเป็นเวกเตอร์หนาแน่นที่เข้ารหัสความหมายเชิงความหมายได้ การแสดงเวกเตอร์นี้ทำให้สามารถเปรียบเทียบความคล้ายคลึงกันระหว่างส่วนต่างๆ ของข้อความได้อย่างง่ายดาย โดยการเปรียบเทียบเวกเตอร์ที่ฝังไว้ที่สอดคล้องกัน

เราสามารถจัดเตรียมเนื้อหาเป็น `embed_content` และแปลงข้อความเป็นการฝังได้ มันง่ายมาก

output = genai.embed_content(
    model="models/embedding-001",
    content="Can you please guide me on how to start playing Dota 2?",
    task_type="retrieval_document",
    title="Embedding of Dota 2 question")

print(output['embedding'][0:10])

[0.060604308, -0.023885584, -0.007826327, -0.070592545, 0.021225851, 0.043229062, 0.06876691, 0.049298503, 0.039964676, 0.08291664]

เราสามารถแปลงข้อความหลายชิ้นเป็นการฝังโดยส่งรายการสตริงไปยังอาร์กิวเมนต์ 'เนื้อหา'

output = genai.embed_content(
    model="models/embedding-001",
    content=[
        "Can you please guide me on how to start playing Dota 2?",
        "Which Dota 2 heroes should I start with?",
    ],
    task_type="retrieval_document",
    title="Embedding of Dota 2 question")

for emb in output['embedding']:
    print(emb[:10])

[0.060604308, -0.023885584, -0.007826327, -0.070592545, 0.021225851, 0.043229062, 0.06876691, 0.049298503, 0.039964676, 0.08291664]

[0.04775657, -0.044990525, -0.014886052, -0.08473655, 0.04060122, 0.035374347, 0.031866882, 0.071754575, 0.042207796, 0.04577447]

หากคุณมีปัญหาในการสร้างผลลัพธ์เดียวกัน ลองดูของฉัน พื้นที่ทำงาน Deepnote.

มีฟังก์ชันขั้นสูงมากมายที่เราไม่ได้กล่าวถึงในบทช่วยสอนเบื้องต้นนี้ คุณสามารถเรียนรู้เพิ่มเติมเกี่ยวกับ Gemini API ได้โดยไปที่ Gemini API: เริ่มต้นอย่างรวดเร็วด้วย Python.

ในบทช่วยสอนนี้ เราได้เรียนรู้เกี่ยวกับ Gemini และวิธีเข้าถึง Python API เพื่อสร้างการตอบกลับ โดยเฉพาะอย่างยิ่ง เราได้เรียนรู้เกี่ยวกับการสร้างข้อความ การทำความเข้าใจด้วยภาพ การสตรีม ประวัติการสนทนา เอาต์พุตแบบกำหนดเอง และการฝัง อย่างไรก็ตาม นี่เป็นเพียงการขีดข่วนสิ่งที่ชาวราศีเมถุนสามารถทำได้เท่านั้น

โปรดแบ่งปันกับฉันถึงสิ่งที่คุณสร้างขึ้นโดยใช้ Gemini API ฟรี ความเป็นไปได้นั้นไร้ขีดจำกัด

อาบิด อาลี อาวัน (@1อบีดาลิวัน) เป็นนักวิทยาศาสตร์ข้อมูลที่ได้รับการรับรองมืออาชีพที่รักการสร้างแบบจำลองการเรียนรู้ของเครื่อง ปัจจุบันเขามุ่งเน้นไปที่การสร้างเนื้อหาและการเขียนบล็อกทางเทคนิคเกี่ยวกับการเรียนรู้ของเครื่องและเทคโนโลยีวิทยาศาสตร์ข้อมูล อาบิดสำเร็จการศึกษาระดับปริญญาโทด้านการจัดการเทคโนโลยีและปริญญาตรีสาขาวิศวกรรมโทรคมนาคม วิสัยทัศน์ของเขาคือการสร้างผลิตภัณฑ์ AI โดยใช้โครงข่ายประสาทเทียมแบบกราฟสำหรับนักเรียนที่ป่วยเป็นโรคทางจิต

• เนื้อหาที่ขับเคลื่อนด้วย SEO และการเผยแพร่ประชาสัมพันธ์ รับการขยายวันนี้
• PlatoData.Network Vertical Generative Ai เพิ่มพลังให้กับตัวเอง เข้าถึงได้ที่นี่.
• เพลโตไอสตรีม. Web3 อัจฉริยะ ขยายความรู้ เข้าถึงได้ที่นี่.
• เพลโตESG. คาร์บอน, คลีนเทค, พลังงาน, สิ่งแวดล้อม แสงอาทิตย์, การจัดการของเสีย. เข้าถึงได้ที่นี่.
• เพลโตสุขภาพ เทคโนโลยีชีวภาพและข่าวกรองการทดลองทางคลินิก เข้าถึงได้ที่นี่.
• ที่มา: https://www.kdnuggets.com/how-to-access-and-use-gemini-api-for-free?utm_source=rss&utm_medium=rss&utm_campaign=how-to-access-and-use-gemini-api-for-free