GSP1202

Überblick

Die Vektorsuche kann in Milliarden von semantisch ähnlichen oder semantisch verwandten Artikeln suchen. Ein Dienst für Vektorübereinstimmungen findet in vielen Fällen Anwendung, z. B. bei der Implementierung von Empfehlungssystemen, Suchmaschinen, Chatbots und Textklassifizierung. Der semantische Abgleich lässt sich auf wenige Schritte reduzieren. Zuerst müssen Sie für viele Objekte Einbettungsdarstellungen erstellen (dies geschieht außerhalb der Vektorsuche). Danach laden Sie Ihre Einbettungen in Google Cloud hoch und verknüpfen Ihre Daten mit der Vektorsuche. Nachdem Ihre Einbettungen zur Vektorsuche hinzugefügt wurden, können Sie einen Index erstellen, um Abfragen für Empfehlungen oder Ergebnisse durchzuführen.

Die Verwendung von Einbettungen ist nicht auf Wörter oder Text beschränkt. Sie können semantische Einbettungen für viele Arten von Daten erstellen, einschließlich Bilder, Audio, Video und Nutzerpräferenzen. Weitere Informationen zur Erstellung einer multimodalen Einbettung mit Vertex AI finden Sie unter Multimodale Einbettungen abrufen. In diesem Lab erfahren Sie, wie Sie mit Vertex AI Embeddings for Text Texteinbettungen erstellen und mit diesen einen Vektorsuchindex anlegen können.

Lernziele

Aufgaben in diesem Lab:

• Vertex AI Notebook-Instanz erstellen
• Lab-Notebook klonen und ausführen
• Texteinbettungen erstellen
• Vektorsuchindex erstellen und bereitstellen
• Index abfragen

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)

Hinweis: Nutzen Sie den privaten oder Inkognitomodus (empfohlen), um dieses Lab durchzuführen. So wird verhindert, dass es zu Konflikten zwischen Ihrem persönlichen Konto und dem Teilnehmerkonto kommt und zusätzliche Gebühren für Ihr persönliches Konto erhoben werden.

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

Hinweis: Verwenden Sie für dieses Lab nur das Teilnehmerkonto. Wenn Sie ein anderes Google Cloud-Konto verwenden, fallen dafür möglicherweise Kosten an.

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: Vertex AI Workbench-Instanz erstellen

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

2. Klicken Sie auf + Neu erstellen.

3. Verwenden Sie im Dialogfeld Instanz erstellen den Standardnamen oder geben Sie einen eindeutigen Namen für die Vertex AI Workbench-Instanz ein. Legen Sie für die Region und für die Zone fest und übernehmen Sie für den Rest der Einstellungen die Standardwerte.

4. Klicken Sie auf Erstellen.

5. Klicken Sie auf JupyterLab öffnen.

Lab-Notebook klonen und ausführen

1. Klicken Sie in Ihrem Notebook auf Terminal.

2. Führen Sie den folgenden Befehl aus, um das Repository „Google Cloud Generative AI“ zu klonen:

git clone https://github.com/GoogleCloudPlatform/generative-ai.git

Klicken Sie auf Fortschritt prüfen. Lab-Notebook klonen und ausführen

3. Gehen Sie links im Navigationsbereich zum Ordner generative-ai/embeddings und öffnen Sie das Notebook intro-textemb-vectorsearch.ipynb.

4. Lassen Sie für den Prompt Select Kernel die Standardeinstellung auf Python3 und klicken Sie auf Select.

5. Scrollen Sie nach unten zum Abschnitt Text Embeddings in Action und führen Sie die Einrichtungszellen aus.

6. Verwenden Sie beim Festlegen der Umgebungsvariablen für den Standort und für die Projekt-ID.

Hinweis: Notebookzellen mit dem Hinweis Colab only können Sie überspringen.

6. Überspringen Sie den Abschnitt Set IAM permissions, da Ihr Dienstkonto bereits über die erforderlichen Berechtigungen verfügt.

Aufgabe 2: Einbettungen generieren

1. Gehen Sie zum Abschnitt Getting Started with Vertex AI Embeddings for Text und gehen Sie die Zellen durch, um die Texteinbettungen zu erstellen.

2. Gehen Sie zum Abschnitt Getting Started with Vector Search und gehen Sie die Zellen durch.

3. Speichern Sie die Einbettungen in einer JSON-Datei.

4. Erstellen Sie einen neuen Cloud Storage-Bucket und kopieren Sie die Datei in diesen Bucket.

Klicken Sie auf Fortschritt prüfen. Erste Schritte mit der Vektorsuche

Aufgabe 3: Index erstellen und bereitstellen

1. Gehen Sie zum Abschnitt Create an Index und gehen Sie die Zellen durch, um einen Index zu erstellen und bereitzustellen.

Hinweis: Die Erstellung und Bereitstellung von Indexen dauert etwa 20–30 Minuten. In der Zwischenzeit können Sie sich die folgenden Informationen ansehen.

Klicken Sie auf Fortschritt prüfen. Index erstellen

Vektorsuche kennenlernen und Demo ausprobieren

In dieser Aufgabe lernen Sie das Notebook für die Vektorsuche kennen und probieren die öffentliche Demo aus. Da die Index-Erstellung und -Bereitstellung etwa 30 Minuten dauert, können Sie in der Zwischenzeit die öffentliche Demo ausprobieren und das Notebook ansehen.

In der Zwischenzeit: Probieren Sie die Demo der semantischen Suche von Stack Overflow aus

1. Die öffentliche Demo der Vektorsuche ist als öffentliche Live-Demo verfügbar. Wählen Sie „STACKOVERFLOW“ aus und geben Sie eine beliebige Programmierfrage als Abfrage ein. Daraufhin wird eine Textsuche in 8 Millionen Fragen durchgeführt, die auf Stack Overflow gepostet wurden. Testen Sie die semantische Textsuche mit einigen Abfragen wie „How to shuffle rows in SQL?“ oder mit anderen, beliebigen Programmierfragen.

In der Zwischenzeit: Lernen Sie das Notebook für die Vektorsuche kennen

1. Gehen Sie im Notebook oben zum Abschnitt Bringing generative AI and LLMs to production services und lesen Sie sich die Anwendungsfälle und Erläuterungen zur Vektorsuche durch.

Aufgabe 4: Abfrage ausführen

1. Gehen Sie zum Abschnitt Run Query und gehen Sie die Zellen durch, um den Index abzufragen. Sie können den String in der Variable test_embeddings ändern, um andere Ergebnisse zu erhalten.

Klicken Sie auf Fortschritt prüfen. Index abfragen

Das wars!

Sie haben das Lab erfolgreich abgeschlossen. Darin haben Sie erfahren, wie Sie Texteinbettungen erstellen und mit diesen einen Vektorsuchindex anlegen können. Sie können jetzt Texteinbettungen in Ihren eigenen Anwendungen nutzen.

Weitere Informationen

In den folgenden Ressourcen finden Sie weitere Informationen zu Texteinbettungen und zur Vektorsuche:

• Vertex AI Embeddings for Text: LLMs fundieren leicht gemacht
• Vektorsuche in Vertex AI – Überblick
• Notebook-Anleitungen für die Vektorsuche

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 4. April 2024 aktualisiert

Lab zuletzt am 4. April 2024 getestet

© 2025 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.