GSP1296

Übersicht

Gemini ist eine Reihe von generativen KI-Modellen, die von Google DeepMind entwickelt wurden und auf multimodale Anwendungsfälle ausgelegt sind. Die Gemini API bietet Zugriff auf die verschiedenen Gemini-Modelle wie Gemini Pro, Flash und Flash Lite.

In diesem Lab erfahren Sie, wie Sie das generative Modell Gemini Flash mithilfe der Funktion „Überwachte Feinabstimmung“ von Vertex AI optimieren. Bei der überwachten Feinabstimmung können Sie Ihre eigenen Trainingsdaten verwenden, um die Fähigkeiten des Basismodells für Ihre spezifischen Aufgaben weiter zu optimieren.

Mit Labels versehene Beispiele (in diesem Fall Bilder) werden verwendet, um das Basismodell von Gemini abzustimmen. Jedes Beispiel zeigt die Ausgabe, die Sie von Ihrem Textmodell während der Inferenz erwarten.

Bevor Sie mit dem Abstimmen beginnen, vergewissern Sie sich, dass Ihre Trainingsdaten von hoher Qualität sind, sinnvolle Labels haben und für die Zielaufgabe direkt relevant sind. Das ist wichtig, da sich Daten von geringer Qualität negativ auf die Leistung auswirken und zu Verzerrungen im abgestimmten Modell führen können.

Wenn Sie das Lab starten, enthält die Umgebung die im folgenden Diagramm dargestellten Ressourcen.

Am Ende des Labs haben Sie mit der Architektur mehrere Aufgaben ausgeführt.

In der folgenden Tabelle wird jede Aufgabe im Zusammenhang mit der Lab-Architektur detailliert erläutert.

Vorbereitung

Für dieses Lab sollten Sie folgende Konzepte kennen:

• Grundlegende Kenntnisse der Programmierung mit Python
• Grundlegende API-Konzepte
• Ausführen von Python-Code in einem Jupyter-Notebook in Vertex AI Workbench

Lernziele

Aufgaben in diesem Lab:

• Prozess zur Nutzung der überwachten Feinabstimmung beschreiben
• Gemini Flash-Basismodell mit Ihrem Trainings-Dataset abstimmen
• Ergebnisse der Bilduntertitelung mit dem abgestimmten Modell bewerten
• Ergebnisse des abgestimmten Modells mit dem Basismodell und der Grundwahrheit vergleichen

Einrichtung und Anforderungen

Vor dem Klick auf „Start Lab“ (Lab starten)

Lesen Sie diese Anleitung. Labs sind zeitlich begrenzt und können nicht pausiert werden. Der Timer beginnt zu laufen, wenn Sie auf Lab starten klicken, und zeigt Ihnen, wie lange Google Cloud-Ressourcen für das Lab verfügbar sind.

In diesem praxisorientierten Lab können Sie die Lab-Aktivitäten in einer echten Cloud-Umgebung durchführen – nicht in einer Simulations- oder Demo-Umgebung. Dazu erhalten Sie neue, temporäre Anmeldedaten, mit denen Sie für die Dauer des Labs auf Google Cloud zugreifen können.

Für dieses Lab benötigen Sie Folgendes:

• Einen Standardbrowser (empfohlen wird Chrome)

• Zeit für die Durchführung des Labs – denken Sie daran, dass Sie ein begonnenes Lab nicht unterbrechen können.

Lab starten und bei der Google Cloud Console anmelden

1. Klicken Sie auf Lab starten. Wenn Sie für das Lab bezahlen müssen, wird ein Dialogfeld geöffnet, in dem Sie Ihre Zahlungsmethode auswählen können. Auf der linken Seite befindet sich der Bereich „Details zum Lab“ mit diesen Informationen:

   • Schaltfläche „Google Cloud Console öffnen“
   • Restzeit
   • Temporäre Anmeldedaten für das Lab
   • Ggf. weitere Informationen für dieses Lab

2. Klicken Sie auf Google Cloud Console öffnen (oder klicken Sie mit der rechten Maustaste und wählen Sie Link in Inkognitofenster öffnen aus, wenn Sie Chrome verwenden).

   Im Lab werden Ressourcen aktiviert. Anschließend wird ein weiterer Tab mit der Seite „Anmelden“ geöffnet.

   Tipp: Ordnen Sie die Tabs nebeneinander in separaten Fenstern an.

   Hinweis: Wird das Dialogfeld Konto auswählen angezeigt, klicken Sie auf Anderes Konto verwenden.

3. Kopieren Sie bei Bedarf den folgenden Nutzernamen und fügen Sie ihn in das Dialogfeld Anmelden ein.

   {{{user_0.username | "Username"}}}

   Sie finden den Nutzernamen auch im Bereich „Details zum Lab“.

4. Klicken Sie auf Weiter.

5. Kopieren Sie das folgende Passwort und fügen Sie es in das Dialogfeld Willkommen ein.

   {{{user_0.password | "Password"}}}

   Sie finden das Passwort auch im Bereich „Details zum Lab“.

6. Klicken Sie auf Weiter.

   Wichtig: Sie müssen die für das Lab bereitgestellten Anmeldedaten verwenden. Nutzen Sie nicht die Anmeldedaten Ihres Google Cloud-Kontos. Hinweis: Wenn Sie Ihr eigenes Google Cloud-Konto für dieses Lab nutzen, können zusätzliche Kosten anfallen.

7. Klicken Sie sich durch die nachfolgenden Seiten:

   • Akzeptieren Sie die Nutzungsbedingungen.
   • Fügen Sie keine Wiederherstellungsoptionen oder Zwei-Faktor-Authentifizierung hinzu (da dies nur ein temporäres Konto ist).
   • Melden Sie sich nicht für kostenlose Testversionen an.

Nach wenigen Augenblicken wird die Google Cloud Console in diesem Tab geöffnet.

Hinweis: Wenn Sie auf Google Cloud-Produkte und ‑Dienste zugreifen möchten, klicken Sie auf das Navigationsmenü oder geben Sie den Namen des Produkts oder Dienstes in das Feld Suchen ein.

Aufgabe 1: Notebook in Vertex AI Workbench öffnen und Kernel auswählen

Aufgabe 1a: Notebook öffnen

1. Klicken Sie in der Google Cloud Console im Navigationsmenü () auf Vertex AI > Workbench.

2. Suchen Sie die Instanz und klicken Sie auf JupyterLab öffnen.

Die JupyterLab-Oberfläche für Ihre Workbench-Instanz wird in einem neuen Browsertab geöffnet.

Aufgabe 1b: Kernel auswählen

1. Öffnen Sie die -Datei.

2. Wählen Sie im Dialogfeld „Kernel auswählen“ in der Liste der verfügbaren Kernel die Option Python 3 aus.

Aufgabe 2: Pakete installieren und Notebook konfigurieren

In dieser Aufgabe installieren Sie die erforderlichen Python-Pakete, starten die Kernel-Laufzeit neu, konfigurieren Ihr Notebook für die Verwendung Ihres Projekts und Ihrer Region und importieren Bibliotheken.

1. Führen Sie die Schritte in Aufgabe 2 Pakete installieren und Notebook konfigurieren im Notebook aus.

Klicken Sie auf Fortschritt prüfen. Pakete installieren und Notebook konfigurieren

Aufgabe 3: Dataset vorbereiten

Im Rahmen dieser Aufgabe laden Sie die Dataset-Dateien einschließlich der Bilder herunter und bereiten sie für die Verwendung mit Ihrem Notebook vor.

1. Führen Sie den Abschnitt Dataset vorbereiten im Notebook aus.

Klicken Sie auf Fortschritt prüfen. Dataset vorbereiten

Aufgabe 4: Leistung des Basismodells mit der Grundwahrheit vergleichen

Im Rahmen dieser Aufgabe vergleichen Sie das Gemini Flash-Basismodell mit der Grundwahrheit eines einzelnen Bildes im Dataset.

1. Führen Sie den Abschnitt Leistung des Basismodells mit der Grundwahrheit vergleichen im Notebook aus.

Klicken Sie auf Fortschritt prüfen. Leistung des Basismodells mit der Grundwahrheit vergleichen.

Aufgabe 5: Basismodell mit dem Validierungs-Dataset bewerten

Im Rahmen dieser Aufgabe verwenden Sie „val.jsonl“ mit Ihrem Prompt und dem Gemini Flash-Basismodell, um die Ergebnisse zu bewerten.

1. Gehen Sie den Abschnitt Basismodell mit dem Validierungs-Dataset bewerten im Notebook durch.

Klicken Sie auf Fortschritt prüfen. Basismodell mit dem Validierungs-Dataset bewerten.

Aufgabe 6: Abgestimmtes Modell erstellen

Im Rahmen dieser Aufgabe verwenden Sie Ihre Trainingsdaten in der Datei „train.jsonl“ zusammen mit dem Gemini Flash-Basismodell, um ein abgestimmtes Modell für Ihren spezifischen Anwendungsfall der Bilduntertitelung zu erstellen.

1. Gehen Sie den Abschnitt Abgestimmtes Modell erstellen im Notebook durch.

Klicken Sie auf Fortschritt prüfen. Abgestimmtes Modell erstellen.

Aufgabe 7: Abgestimmtes Modell bewerten

Im Rahmen dieser Aufgabe verwenden Sie Bewertungsmesswerte, um das abgestimmte Modell anhand des Validierungs-Datasets „val.jsonl“ und der Leistung des Gemini Flash-Basismodells zu bewerten. Die Bewertung erfolgt anhand von Messwerten wie rougeL.

1. Gehen Sie den Abschnitt Abgestimmtes Modell bewerten im Notebook durch.

Klicken Sie auf Fortschritt prüfen. Abgestimmtes Modell bewerten.

Das wars! Sie haben das Lab erfolgreich abgeschlossen.

In diesem Lab haben Sie gelernt, wie Sie die Funktion zur überwachten Feinabstimmung von Vertex AI verwenden, um Gemini mit benutzerdefinierten Daten abzustimmen und die Fähigkeit zur Bilduntertitelung zu verbessern.

Weitere Informationen

In den folgenden Ressourcen finden Sie weitere Informationen zu Gemini:

• Überblick: Gemini
• Dokumentation: Generative KI in Vertex AI
• Generative KI auf YouTube
• Im Vertex AI Cookbook finden Sie ausgewählte und durchsuchbare Notebooks zu generativer KI.
• Weitere Notebooks und Beispiele wurden im Repository „Google Cloud Generative AI“ zusammengestellt.

Google Cloud-Schulungen und -Zertifizierungen

In unseren Schulungen erfahren Sie alles zum optimalen Einsatz unserer Google Cloud-Technologien und können sich entsprechend zertifizieren lassen. Unsere Kurse vermitteln technische Fähigkeiten und Best Practices, damit Sie möglichst schnell mit Google Cloud loslegen und Ihr Wissen fortlaufend erweitern können. Wir bieten On-Demand-, Präsenz- und virtuelle Schulungen für Anfänger wie Fortgeschrittene an, die Sie individuell in Ihrem eigenen Zeitplan absolvieren können. Mit unseren Zertifizierungen weisen Sie nach, dass Sie Experte im Bereich Google Cloud-Technologien sind.

Anleitung zuletzt am 6. Oktober 2025 aktualisiert

Lab zuletzt am 29. Oktober 2025 getestet

© 2026 Google LLC. Alle Rechte vorbehalten. Google und das Google-Logo sind Marken von Google LLC. Alle anderen Unternehmens- und Produktnamen können Marken der jeweils mit ihnen verbundenen Unternehmen sein.