Gemini API : Tutorials : クイックスタート with Python (4) 高度なユースケース

翻訳 : クラスキャット セールスインフォメーション
作成日時 : 03/15/2024

* 本ページは、ai.google.dev の以下のページを参考にしてまとめ直し、適宜、補足説明したものです ：

• Gemini API: Quickstart with Python

* サンプルコードの動作確認はしておりますが、必要な場合には適宜、追加改変しています。
* ご自由にリンクを張って頂いてかまいませんが、sales-info@classcat.com までご一報いただけると嬉しいです。

 

 

Gemini API : Tutorials : クイックスタート with Python (4) 高度なユースケース

以下のセクションは Gemini API 用の Python SDK の高度なユースケースと低位な詳細を説明します。

 

セーフティ設定

safety_settings 引数は、プロンプトと応答の両方でモデルが何をブロックし許可するかを構成設定できます。デフォルトでは、セーフティ設定はすべての次元に渡り安全でないコンテンツである確率が中程度 and/or 高いコンテンツをブロックします。セーフティ設定 について更に学習してください。

疑わしいプロンプトを入力してモデルをデフォルトのセーフティ設定で実行すると、候補を返しません :

response = model.generate_content('[Questionable prompt here]')
response.candidates

[content {
  parts {
    text: "I\'m sorry, but this prompt involves a sensitive topic and I\'m not allowed to generate responses that are potentially harmful or inappropriate."
  }
  role: "model"
}
finish_reason: STOP
index: 0
safety_ratings {
  category: HARM_CATEGORY_SEXUALLY_EXPLICIT
  probability: NEGLIGIBLE
}
safety_ratings {
  category: HARM_CATEGORY_HATE_SPEECH
  probability: NEGLIGIBLE
}
safety_ratings {
  category: HARM_CATEGORY_HARASSMENT
  probability: NEGLIGIBLE
}
safety_ratings {
  category: HARM_CATEGORY_DANGEROUS_CONTENT
  probability: NEGLIGIBLE
}
]

prompt_feedback はどの安全フィルタがプロンプトをブロックしたか知らせます :

response.prompt_feedback

safety_ratings {
  category: HARM_CATEGORY_SEXUALLY_EXPLICIT
  probability: NEGLIGIBLE
}
safety_ratings {
  category: HARM_CATEGORY_HATE_SPEECH
  probability: NEGLIGIBLE
}
safety_ratings {
  category: HARM_CATEGORY_HARASSMENT
  probability: NEGLIGIBLE
}
safety_ratings {
  category: HARM_CATEGORY_DANGEROUS_CONTENT
  probability: NEGLIGIBLE
}

次に、新たに構成されたセーフティ設定を使用して同じプロンプトをモデルに供給すると、応答を得られる可能性があります :

response = model.generate_content('[Questionable prompt here]',
                                  safety_settings={'HARASSMENT':'block_none'})
response.text

各候補は独自の safety_ratings を持ちますので、プロンプトはパスしても個々の応答は安全性チェックに失敗する場合があることにも注意してください。

 

メッセージのエンコード

前のセクションは、プロンプトを API に送信することを簡単にするために SDK に依存していました。このセクションは fully-typed な、前の例と同等なものを提供しますので、SDK がメッセージをエンコードする方法に関して低位の詳細をより良く理解できます。

Python SDK の基礎となるものは google.ai.generativelanguage クライアント・ライブラリです :

import google.ai.generativelanguage as glm

SDK は貴方のメッセージを glm.Content オブジェクトへの変換を試みます、これは各々が以下のいずれかを含む　glm.Part オブジェクトのリストを含みます。

1. テキスト (文字列)
   

2. inline_data (glm.Blob), ここで blob はバイナリデータと mime_type を含みます。

これらの任意のクラスを同等な辞書として渡すこともできます。

⭐️ Note : 唯一の受け入れられる mime タイプは幾つかの画像タイプ, images/* です。

したがって、fully-typed である、前の例と同等のものは :

model = genai.GenerativeModel('gemini-pro-vision')
response = model.generate_content(
    glm.Content(
        parts = [
            glm.Part(text="Write a short, engaging blog post based on this picture."),
            glm.Part(
                inline_data=glm.Blob(
                    mime_type='image/jpeg',
                    data=pathlib.Path('image.jpg').read_bytes()
                )
            ),
        ],
    ),
    stream=True)

response.resolve()

to_markdown(response.text[:100] + "... [TRIMMED] ...")

Meal prepping is a great way to save time and money, and it can also help you to eat healthier. By ... [TRIMMED] ...

 

マルチターン会話

前に示された genai.ChatSession クラスが多くのユースケースを処理できる一方で、それは幾つかの仮定をしています。貴方のユースケースがこのチャット実装に適合しない場合は、genai.ChatSession は GenerativeModel.generate_content 周りの単なるラッパーであることを覚えておくのと良いでしょう。単一のリクエストに加えて、それはマルチターン会話を処理できます。

前のセクションで見たように、個々のメッセージは glm.Content オブジェクトか互換な辞書です。辞書としては、メッセージは role と parts のキーが必要です。会話内の role は、プロンプトを提供する user か、応答を提供する model のいずれかです。

glm.Content オブジェクトのリストを渡すと、それはマルチターン・チャットとして扱われます :

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

messages = [
    {'role':'user',
     'parts': ["Briefly explain how a computer works to a young child."]}
]
response = model.generate_content(messages)

to_markdown(response.text)

Imagine a computer as a really smart friend who can help you with many things. Just like you have a brain to think and learn, a computer has a brain too, called a processor. It's like the boss of the computer, telling it what to do.

Inside the computer, there's a special place called memory, which is like a big storage box. It remembers all the things you tell it to do, like opening games or playing videos.

When you press buttons on the keyboard or click things on the screen with the mouse, you're sending messages to the computer. These messages travel through special wires, called cables, to the processor.

The processor reads the messages and tells the computer what to do. It can open programs, show you pictures, or even play music for you.

All the things you see on the screen are created by the graphics card, which is like a magic artist inside the computer. It takes the processor's instructions and turns them into colorful pictures and videos.

To save your favorite games, videos, or pictures, the computer uses a special storage space called a hard drive. It's like a giant library where the computer can keep all your precious things safe.

And when you want to connect to the internet to play games with friends or watch funny videos, the computer uses something called a network card to send and receive messages through the internet cables or Wi-Fi signals.

So, just like your brain helps you learn and play, the computer's processor, memory, graphics card, hard drive, and network card all work together to make your computer a super-smart friend that can help you do amazing things!

会話を続けるには、応答と別のメッセージを追加します。

⭐️ Note : マルチターン会話については、各リクエストで会話履歴全体を送信する必要があります。API はステートレスです。

messages.append({'role':'model',
                 'parts':[response.text]})

messages.append({'role':'user',
                 'parts':["Okay, how about a more detailed explanation to a high school student?"]})

response = model.generate_content(messages)

to_markdown(response.text)

At its core, a computer is a machine that can be programmed to carry out a set of instructions. It consists of several essential components that work together to process, store, and display information:

1. Processor (CPU): - The brain of the computer. - Executes instructions and performs calculations. - Speed measured in gigahertz (GHz). - More GHz generally means faster processing.

2. Memory (RAM): - Temporary storage for data being processed. - Holds instructions and data while the program is running. - Measured in gigabytes (GB). - More GB of RAM allows for more programs to run simultaneously.

3. Storage (HDD/SSD): - Permanent storage for data. - Stores operating system, programs, and user files. - Measured in gigabytes (GB) or terabytes (TB). - Hard disk drives (HDDs) are traditional, slower, and cheaper. - Solid-state drives (SSDs) are newer, faster, and more expensive.

4. Graphics Card (GPU): - Processes and displays images. - Essential for gaming, video editing, and other graphics-intensive tasks. - Measured in video RAM (VRAM) and clock speed.

5. Motherboard: - Connects all the components. - Provides power and communication pathways.

6. Input/Output (I/O) Devices: - Allow the user to interact with the computer. - Examples: keyboard, mouse, monitor, printer.

7. Operating System (OS): - Software that manages the computer's resources. - Provides a user interface and basic functionality. - Examples: Windows, macOS, Linux.

When you run a program on your computer, the following happens:

The program instructions are loaded from storage into memory.
The processor reads the instructions from memory and executes them one by one.
If the instruction involves calculations, the processor performs them using its arithmetic logic unit (ALU).
If the instruction involves data, the processor reads or writes to memory.
The results of the calculations or data manipulation are stored in memory.
If the program needs to display something on the screen, it sends the necessary data to the graphics card.
The graphics card processes the data and sends it to the monitor, which displays it.
This process continues until the program has completed its task or the user terminates it.

 

生成 configuration

generation_config 引数は生成パラメータを変更することを可能にします。モデルに送信するすべてのプロンプトは、モデルが応答を生成する方法を制御するパラメータ値を含みます。

model = genai.GenerativeModel('gemini-pro')
response = model.generate_content(
    'Tell me a story about a magic backpack.',
    generation_config=genai.types.GenerationConfig(
        # Only one candidate for now.
        candidate_count=1,
        stop_sequences=['x'],
        max_output_tokens=20,
        temperature=1.0)
)

text = response.text

if response.candidates[0].finish_reason.name == "MAX_TOKENS":
    text += '...'

to_markdown(text)

Once upon a time, in a small town nestled amidst lush green hills, lived a young girl named...

以上