Cómo adaptar tutoriales de lenguaje para Vertex AI
Índice de contenido
- Introducción
- Títulos y cambios
- Preparación del entorno de la nube de Google
- Actualizaciones en el código de Pine Cone
- Ejecución del Tutorial de Pine Cone Basics
- Creación del índice en Pine Cone
- Solución a problemas al ejecutar el código más de una vez
- Actualizaciones en el código de RAG
- Ejecución del tutorial de RAG
- Resultados obtenidos
- Conclusiones
- Recursos útiles
📚 Introducción
¡Hola a todos! En este tutorial, me gustaría mostrarles cómo pueden adaptar los tutoriales de cadenas de lenguaje para trabajar con Vertex AI. Específicamente, nos enfocaremos en dos tutoriales: Pine Cone y la Generación Aumentada de Recuperación (RAG, por sus siglas en inglés). Trabajaremos en el entorno de Cloud Shell y el editor de Google Cloud, realizando algunos cambios en el código original de los tutoriales para hacerlos compatibles con Vertex AI.
Títulos y cambios
En el archivo llamado Pine Cone Basics, realizaremos una serie de cambios para asegurarnos de que todo funcione correctamente. Primero, definiremos un objeto de embeddings de Vertex AI, el cual será necesario para definir los embeddings de cada elemento. Luego, crearemos un índice en Pine Cone. La única diferencia aquí es la dimensión de los embeddings. Mientras que el valor predeterminado en el tutorial es de 768, en Vertex AI los embeddings tienen una dimensión de 768. ¡Veamos qué otros cambios debemos hacer!
Preparación del entorno de la nube de Google
Antes de continuar, es importante asegurarnos de tener todo configurado correctamente en nuestra cuenta de Google Cloud. Necesitaremos obtener una clave de Pine Cone y también la información del entorno de Pine Cone. Estos se obtienen directamente desde la plataforma de Pine Cone.
Actualizaciones en el código de Pine Cone
En el archivo Pine Cone Basics, realizaremos algunas modificaciones. Primero, importaremos la biblioteca de Vertex AI y definiremos un objeto de embeddings de Vertex AI. También actualizaremos la definición del índice. Si el índice no existe, se intentará crear uno nuevo. En caso de que ya exista, no se creará nuevamente.
Ejecución del tutorial de Pine Cone Basics
Ahora ejecutaremos el código del tutorial de Pine Cone Basics. Nos pedirá la clave de Pine Cone, así que la copiaremos y pegaremos en la terminal. Luego, también nos pedirá el entorno de Pine Cone, el cual también obtendremos desde la plataforma Pine Cone. La ejecución puede llevar algunos minutos, así que esperaremos a que finalice.
Creación del índice en Pine Cone
Después de varios intentos, logramos crear correctamente el índice en Pine Cone. Un detalle importante es que, si ejecutas este código más de una vez y estás utilizando la versión gratuita de Pine Cone, debes eliminar el índice existente en Pine Cone. De lo contrario, te encontrarás con un error. En mi caso, tuve que ingresar a Pine Cone y eliminar el índice existente antes de poder ejecutar el código nuevamente sin problemas.
Solución a problemas al ejecutar el código más de una vez
Cuando intenté ejecutar el código del tutorial de Pine Cone Basics nuevamente, cometí un error al definir un nombre diferente para el índice de Pine Cone en el archivo Python. Este error provocó que el código intente crear otro índice de Pine Cone, lo cual generó una advertencia. Una vez que corregí este error y aseguré que el nombre del índice coincidiera con el que ya había creado, el código se ejecutó sin problemas.
Actualizaciones en el código de RAG
En el archivo del tutorial de RAG, realizamos algunas actualizaciones similares a las que hicimos al crear el índice en el tutorial de Pine Cone. Aquí importamos la biblioteca de Vertex AI y definimos un objeto de lenguaje y modelo (LM, por sus siglas en inglés) de Vertex AI. Estos cambios son necesarios para adaptar el tutorial a Vertex AI.
Ejecución del tutorial de RAG
Llegó el momento de ejecutar el código del tutorial de RAG. Al igual que antes, deberemos ingresar la clave de Pine Cone. En este caso, obtendremos el resultado esperado siempre y cuando hayamos corregido el nombre del índice en el archivo Python, tal como mencioné anteriormente.
Resultados obtenidos
¡Excelente! Hemos podido adaptar satisfactoriamente los tutoriales de las cadenas de lenguaje, tanto el de Pine Cone como el de RAG, para trabajar con Vertex AI. Hicimos algunos cambios en el código original, definiendo objetos relacionados con Vertex AI. Esto nos permitió ejecutar los tutoriales utilizando las funcionalidades de Vertex AI para los embeddings. Con estos cambios, hemos demostrado que es posible aprovechar las capacidades de Vertex AI en la manipulación de cadenas de lenguaje. ¡Espero que hayas disfrutado de este tutorial tanto como yo!
Conclusiones
En este tutorial, aprendimos cómo adaptar los tutoriales de cadenas de lenguaje para trabajar con Vertex AI. Realizamos modificaciones en los archivos de Pine Cone Basics y RAG, definiendo objetos relacionados con las funcionalidades de Vertex AI. Logramos ejecutar los tutoriales exitosamente y obtuvimos los resultados esperados. A lo largo del proceso, aprendimos cómo trabajar en el entorno de Google Cloud Shell y utilizamos el editor de Google Cloud para realizar los cambios necesarios. Espero que este tutorial te haya sido de utilidad y te haya ayudado a comprender cómo utilizar Vertex AI en proyectos relacionados con cadenas de lenguaje.
Recursos útiles
No difficulty
WHY YOU SHOULD CHOOSE TOOLIFY
