از پیکربندی مدل برای کنترل پاسخ ها استفاده کنید

در هر تماس با یک مدل، می‌توانید پیکربندی مدل را برای کنترل نحوه ایجاد پاسخ توسط مدل ارسال کنید. هر مدل گزینه های پیکربندی مختلفی را ارائه می دهد.

می‌توانید با دستورات و پیکربندی‌های مدل آزمایش کنید و با استفاده از Vertex AI Studio به سرعت تکرار کنید.

پرش به گزینه های پیکربندی Gemini پرش به گزینه های پیکربندی Imagen


گزینه های پیکربندی برای مدل های Gemini

این بخش نحوه تنظیم یک پیکربندی برای استفاده با مدل‌های Gemini را به شما نشان می‌دهد و توضیحی درباره هر پارامتر ارائه می‌دهد.

یک پیکربندی مدل برای مدل‌های Gemini تنظیم کنید

مقادیر پارامترها را در GenerationConfig در طول مقداردهی اولیه نمونه GenerativeModel تنظیم کنید. پیکربندی برای تمام طول عمر نمونه حفظ می شود، بنابراین شما باید یک نمونه GenerativeModel جدید ایجاد کنید تا از پیکربندی متفاوتی استفاده کنید.

KotlinJava
// ...

val config = generationConfig {
    maxOutputTokens = 200
    stopSequences = listOf("red")
    temperature = 0.9f
    topK = 16
    topP = 0.1f
}

val generativeModel = Firebase.vertexAI.generativeModel(
    modelName = "GEMINI_MODEL_NAME",
    generationConfig = config
)

// ...

// ...

GenerationConfig.Builder configBuilder = new GenerationConfig.Builder();
configBuilder.maxOutputTokens = 200;
configBuilder.stopSequences = List.of("red");
configBuilder.temperature = 0.9f;
configBuilder.topK = 16;
configBuilder.topP = 0.1f;

GenerationConfig generationConfig = configBuilder.build();

GenerativeModel gm = FirebaseVertexAI.getInstance().generativeModel(
    "GEMINI_MODEL_NAME",
    generationConfig
);

GenerativeModelFutures model = GenerativeModelFutures.from(gm);

// ...

در بخش بعدی این صفحه می توانید شرح هر پارامتر را بیابید.

شرح هر پارامتر برای استفاده با مدل های Gemini

در اینجا یک نمای کلی از پارامترهای موجود در سطح بالا وجود دارد. می‌توانید فهرست جامعی از پارامترها و مقادیر آنها را در اسناد Google Cloud بیابید.

پارامتر توضیحات مقدار پیش فرض
مهر زمانی صوتی
audioTimestamp

یک Boolean که درک مهر زمانی را برای فایل‌های ورودی فقط صوتی امکان‌پذیر می‌کند.

فقط در هنگام استفاده از تماس‌های generateContent یا generateContentStream قابل استفاده است و نوع ورودی یک فایل فقط صوتی است.

 false
جریمه فرکانس
frequencyPenalty		 احتمال گنجاندن نشانه هایی را که به طور مکرر در پاسخ تولید شده ظاهر می شوند را کنترل می کند.
مقادیر مثبت توکن هایی را که به طور مکرر در محتوای تولید شده ظاهر می شوند جریمه می کند و احتمال تکرار محتوا را کاهش می دهد.		 ---
حداکثر توکن های خروجی
maxOutputTokens		 حداکثر تعداد نشانه هایی که می توان در پاسخ ایجاد کرد. ---
جریمه حضور
presencePenalty		 احتمال گنجاندن نشانه هایی را که قبلاً در پاسخ تولید شده ظاهر می شوند، کنترل می کند.
مقادیر مثبت توکن هایی را که قبلاً در محتوای تولید شده ظاهر می شوند جریمه می کند و احتمال تولید محتوای متنوع تر را افزایش می دهد.		 ---
توالی ها را متوقف کنید
stopSequences		 فهرستی از رشته‌ها را مشخص می‌کند که به مدل می‌گوید در صورت مواجه شدن با یکی از رشته‌ها در پاسخ، تولید محتوا را متوقف کند. ---
دما
temperature		 میزان تصادفی بودن پاسخ را کنترل می کند.
دماهای پایین‌تر منجر به پاسخ‌های قطعی‌تر می‌شوند و دماهای بالاتر منجر به پاسخ‌های متنوع یا خلاقانه‌تر می‌شوند.		 بستگی به مدل داره
Top-K
topK		 تعداد کلمات با بیشترین احتمال مورد استفاده در محتوای تولید شده را محدود می کند.
مقدار top-K 1 به این معنی است که نشانه انتخابی بعدی باید محتمل ترین توکن در واژگان مدل باشد، در حالی که مقدار top-K n به این معنی است که نشانه بعدی باید از میان n توکن محتمل ترین انتخاب شود (همه بر اساس دمای تنظیم شده).		 بستگی به مدل داره
Top-P
topP		 تنوع محتوای تولید شده را کنترل می کند.
توکن ها از محتمل ترین (نگاه کنید به top-K در بالا) تا کمترین احتمال انتخاب می شوند تا زمانی که مجموع احتمالات آنها با مقدار top-P برابری شود.		 بستگی به مدل داره


گزینه های پیکربندی برای مدل های Imagen

این بخش نحوه تنظیم پیکربندی برای استفاده با مدل های Imagen را به شما نشان می دهد و توضیحی برای هر پارامتر ارائه می دهد.

یک پیکربندی مدل برای مدل های Imagen تنظیم کنید

مقادیر پارامترها را در ImagenGenerationConfig در طول مقداردهی اولیه نمونه ImagenModel تنظیم کنید. پیکربندی برای تمام طول عمر نمونه حفظ می شود، بنابراین باید یک نمونه ImagenModel جدید ایجاد کنید تا از پیکربندی متفاوتی استفاده کنید.

KotlinJava
// ...

val config = ImagenGenerationConfig(
    negativePrompt = "frogs",
    numberOfImages = 2,
    aspectRatio = ImagenAspectRatio.LANDSCAPE_16x9,
    imageFormat = ImagenImageFormat.jpeg(compressionQuality = 100),
    addWatermark = false
)

val imagenModel = Firebase.vertexAI.imagenModel(
    modelName = "IMAGEN_MODEL_NAME",
    generationConfig = config
)

// ...

// ...

ImagenGenerationConfig config = new ImagenGenerationConfig.Builder()
    .setNegativePrompt("frogs")
    .setNumberOfImages(2)
    .setAspectRatio(ImagenAspectRatio.LANDSCAPE_16x9)
    .setImageFormat(ImagenImageFormat.jpeg(100))
    .setAddWatermark(false)
    .build();

ImagenModel m = FirebaseVertexAI.getInstance().imagenModel(
    "IMAGEN_MODEL_NAME",
    config
);

ImagenModelFutures model = ImagenModelFutures.from(m);

// ...

در بخش بعدی این صفحه می توانید شرح هر پارامتر را بیابید.

شرح هر پارامتر برای استفاده با مدل های Imagen

در اینجا یک نمای کلی از پارامترهای موجود در سطح بالا وجود دارد. می‌توانید فهرست جامعی از پارامترها و مقادیر آنها را در اسناد Google Cloud بیابید.

پارامتر توضیحات مقدار پیش فرض
اخطار منفی
negativePrompt		 توضیحی درباره آنچه می خواهید در تصاویر تولید شده حذف کنید

این پارامتر هنوز توسط imagen-3.0-generate-002 پشتیبانی نمی شود.

 ---
تعداد نتایج
numberOfImages		 تعداد تصاویر تولید شده برای هر درخواست بازگردانده شده است پیش فرض یک تصویر برای مدل های Imagen 3 است
نسبت ابعاد
aspectRatio		 نسبت عرض به ارتفاع تصاویر تولید شده پیش فرض مربع است (1:1)
فرمت تصویر
imageFormat		 گزینه های خروجی مانند فرمت تصویر (نوع MIME) و سطح فشرده سازی تصاویر تولید شده نوع پیش فرض MIME PNG است
فشرده سازی پیش فرض 75 است (اگر نوع MIME روی JPEG تنظیم شده باشد)
واترمارک
addWatermark		 آیا باید یک واترمارک دیجیتال غیرقابل مشاهده (به نام SynthID ) به تصاویر تولید شده اضافه شود پیش فرض برای مدل های Imagen 3 true است
نسل شخص
personGeneration		 آیا اجازه تولید افراد بر اساس مدل را می دهد پیش فرض بستگی به مدل دارد


گزینه های دیگر برای کنترل تولید محتوا

  • در مورد طراحی سریع بیشتر بیاموزید تا بتوانید مدل را تحت تأثیر قرار دهید تا خروجی خاصی برای نیازهای شما ایجاد کند.
  • از تنظیمات ایمنی برای تنظیم احتمال دریافت پاسخ هایی که ممکن است مضر تلقی شوند، از جمله سخنان مشوق عداوت و تنفر و محتوای صریح جنسی استفاده کنید.
  • دستورالعمل های سیستم را برای هدایت رفتار مدل تنظیم کنید. این ویژگی مانند یک «مقدمه» است که قبل از اینکه مدل در معرض هر دستورالعمل دیگری از کاربر نهایی قرار گیرد، اضافه می‌کنید.
  • یک طرح پاسخ را همراه با اعلان برای تعیین یک طرح خروجی خاص ارسال کنید. این ویژگی بیشتر هنگام تولید خروجی JSON استفاده می‌شود، اما می‌توان از آن برای کارهای طبقه‌بندی نیز استفاده کرد (مانند زمانی که می‌خواهید مدل از برچسب‌ها یا برچسب‌های خاصی استفاده کند).