Son xəbərlər
Houdini Solaris-də USD səhnəsi qurmaq: laylı iş axını bələdçisiGPT-6 Astra hissəciklər fizikasında qəfəs probleminin sübutuna töhfə verdiUnreal Engine Level Streaming bələdçisi: böyük memarlıq səhnələrini necə idarə etməli?NVIDIA Vera təqdim edildi: 192 CPU-lu HPC platformu elmi simulyasiyaları hədəfləyirBlender-da mesh təmizləmə: Voxel Remesh və retopologiya bələdçisiAmbasz–MoMA mükafatı Friendship Centre-a: Təbiətlə barışan ilk memarlıq mükafatıBlender Python ilə səhnə, kamera və render parametrlərini necə idarə etməli?Datasmith ilə Unreal Engine-ə səhnə köçürmə: memarlıq vizuallaşdırması üçün bələdçiBlender-də UV açmaq: tikişlərlə səliqəli və nəzarətli UV xəritəsiNVIDIA Vera Rubin üçün MLPerf testlərində liderlik bildirdi
TəlimlərMariGemma

Gemma-nın vizual girişini memarlıq təsvirlərində sınamaq: sorğu bələdçisi

Gemma sənədləri vizual girişlərin emalını dəstəkləyir, lakin memarlıq planları və renderlər üçün xüsusi imkan təsdiqləmir. Bu bələdçi ümumi vizual dəstəyi memarlıq təsvirlərində sınayanlar üçün seçimləri və yoxlama addımlarını izah edir.

Memarlıq planı, material nümunələri və maketin olduğu işıqlı dizayn masasıSüni intellekt şəkli
Təmsili şəkil, süni intellektlə yaradılıb.Şəkil: 3dsınıfı / FCA AI

Qısaca

  1. Gemini API sənədlərində Gemma 4 üçün vizual giriş nümunəsi var; memarlıq təsvirlərində uğurlu nəticə ayrıca təsdiqlənmir.
  2. API yolunda Google hesabı və Google AI Studio-dan alınmış API açarı tələb olunur.
  3. Gemma kitabxanası bələdçisi vizual sorğular üçün Gemma 3 və ya daha yeni, 4B və ya daha böyük model, həmçinin Gemma3Tokenizer tələb edir.
  4. Gemma sənədləri köhnə kimi işarələnib; quraşdırma və model məlumatlarını yeni sənədlərdən yoxlamaq lazımdır.

Bu bələdçidə nə öyrənəcəksiniz?

Gemma sənədləri modellərin vizual girişləri mətnlə birlikdə emal edə bildiyini göstərir. Bu, onların memarlıq planlarını və ya interyer renderlərini xüsusi olaraq şərh edə bildiyinin, yaxud belə nəticələrə etibar etməyin mümkünlüyünün sübutu deyil. Məqsəd ümumi vizual giriş imkanını memarlıq təsvirlərində sınamaq üçün sorğunun necə qurula biləcəyini və nəticələrin necə ehtiyatla qiymətləndirilməli olduğunu izah etməkdir.

Bələdçidə iki ayrı yol nəzərdən keçirilir: Gemini API vasitəsilə host edilən Gemma modellərindən istifadə etmək və Gemma library for JAX nümunəsini izləyərək kitabxana mühitində işləmək. Bu seçimlərin quraşdırma addımları fərqlidir. Həmçinin müvafiq Gemma səhifələrində sənədlərin köhnə olduğuna dair xəbərdarlıq var; göstərilən tələbləri tətbiq etməzdən əvvəl onları aktual sənədlərlə tutuşdurmaq lazımdır.

Tələblər: hesab, proqram təminatı və model

Gemini API yolu: Mənbələr API-dən istifadə üçün Google hesabı və Google AI Studio-dan əldə edilən API açarı tələb edir. Gemma API səhifəsində Gemma 4 modelləri arasında gemma-4-31b-it və gemma-4-26b-a4b-it adları göstərilir. Vizual nümunədə gemma-4-26b-a4b-it modeli ilə faylın yüklənməsi və təsvirin mətnlə birlikdə göndərilməsi nümayiş olunur. API səhifəsi köhnə kimi işarələndiyindən, model adlarını və sorğu üsullarını aktual hesab etməzdən əvvəl yeni sənədləri yoxlayın.

Gemma library for JAX yolu: Kitabxana bələdçisi vizual giriş üçün Gemma 3 və ya daha yeni, 4B və ya daha böyük modeldən istifadəni, həmçinin Gemma3Tokenizer tələb edir. Nümunədə Gemma kitabxanasının quraşdırılması, Kaggle hesabı və API açarı ilə giriş, Colab mühiti, JAX və model parametrlərinin yüklənməsi yer alır. Colab iş mühitinin modeli işlətmək üçün kifayət qədər resursa malik olmalı olduğu bildirilir; bələdçidə konkret avadanlıq tələbi göstərilmir.

Bu quraşdırma nümunəsi də köhnə kimi işarələnib. İşə başlamazdan əvvəl kitabxananın adını, model konfiqurasiyasını və asılılıqları aktual mənbələrdən yoxlayın. Təqdim olunan sənədlərdə API ödənişləri göstərilmir; istifadə xərclərini ayrıca araşdırmaq lazımdır.

Memarlıq təsviri ilə addım-addım sınaq

1. Təsviri və sınaq məqsədini seçin

İlk sınaqda bir təsvir və dar çərçivəli sualdan istifadə edin. Renderdə görünən səthləri təsvir etdirmək və ya plan təsvirində oxuna bilən əlaqələri sadalamaq ümumi vizual giriş dəstəyini yoxlamaq üçün nümunə sınaqlar ola bilər. Bunlar mənbələrin Gemma üçün təsdiqlədiyi xüsusi memarlıq tapşırıqları deyil; nəticələr modelin bu təsvirlərlə nə edə bildiyini yoxlamaq üçün sınaq kimi nəzərdən keçirilməlidir.

Təsvirin nəyi sübut edə biləcəyinə əvvəlcədən məhdudiyyət qoyun. Render həqiqi ölçüləri, tikinti detallarını və ya istifadə olunan materialın dəqiq növünü öz-özlüyündə təsdiqləmir. Plan təsvirindəki xırda yazılar da səhv oxuna bilər. Layihə ilə bağlı vacib məlumatları çertyoj və ya səhnə faylı ilə tutuşdurmadan təsdiqlənmiş saymayın.

2. İstifadə yolunu müəyyənləşdirin

API yolunda mənbə nümunəsi faylın API klienti ilə yüklənməsini və yüklənmiş faylın mətn sorğusu ilə birlikdə modelə göndərilməsini göstərir. Bu yolu öz tətbiqində seçənlər nümunədəki model və SDK istifadəsinin aktual olub-olmadığını yeni sənədlərdən dəqiqləşdirməlidir.

Kitabxana nümunəsində isə əvvəlcə model, parametrlər və tokenizer konfiqurasiya edilir; vizuallı sorğu təsvir məlumatı ilə birlikdə nümunə götürücüyə ötürülür. Bu quraşdırma API nümunəsi ilə eyni deyil. İki yolun kodunu və giriş addımlarını qarışdırmayın.

3. Sorğunu müşahidə edilə bilən xüsusiyyətlərlə məhdudlaşdırın

Yaxşı sınaq sorğusu modeldən təsvirə baxaraq görünməyən məlumatları çıxarmasını istəməməlidir. Hansı xüsusiyyətlərə baxılacağını və qeyri-müəyyənliyin necə ifadə olunacağını aydın şəkildə göstərin. Aşağıdakı nümunələr bu bələdçi üçün hazırlanıb; bu, mənbələrin memarlıq şərhi qabiliyyətini təsdiqlədiyi demək deyil.

Renderdə görünən elementləri sadalamaq üçün:

Prompt
Bu təsvirdə birbaşa seçilən elementləri təsvir et. Görünən səthləri, işığın təsvir üzrə paylanmasını və kadra diqqət çəkən elementləri ayrı başlıqlarla yaz. Material növü, ölçü və ya işıq mənbəyi dəqiq aydın deyilsə, bunu açıq şəkildə bildir; təsvirdə olmayan məlumat əlavə etmə.

Bu sorğu müşahidə olunan detalları fərziyyələrdən ayırmağa çalışır. Cavabı materialın müəyyən edilməsi və ya işıqlandırma hesablaması kimi qəbul etməyin; belə nəticələri layihə sənədləri ilə yoxlayın.

Plan təsvirində nələrin oxuna bildiyini yoxlamaq üçün:

Prompt
Bu təsvirdə oxuna bilən məkan adlarını və çertyojda açıq şəkildə görünən əlaqələri sadala. Oxunmayan yazıları və əmin olmadığın sahələri ayrıca qeyd et. Təsvirdə olmayan ölçüləri, otaq adlarını və ya istifadə qərarlarını təxmin etmə.

Bu sınaq modelin planı düzgün oxuyacağına zəmanət vermir. Cavabı çertyojdakı yazılar, şərti işarələr və layihə faylı ilə müqayisə edin.

İnteryer fotosu üçün vizual təsvir sınağı:

Prompt
Bu interyer təsvirində kadra düşən mebelləri, rəng əlaqələrini və diqqət çəkən əsas nöqtəni qısa bəndlərlə təsvir et. Funksiya, ölçü və ya istifadəçi davranışı barədə təsvirdən təsdiqlənə bilməyən nəticələr çıxarma. Qeyri-müəyyən məqamları ayrıca qeyd et.

Bu nümunədə sorğu fotoda seçilə bilən elementlərə yönəlir. Tək bir təsvir məkanın bütün istifadə şərtlərini göstərmədiyindən, cavabı hərtərəfli dizayn qiymətləndirməsi hesab etməyin.

Təqdimatdan əvvəl vizual yoxlama qeydi hazırlamaq üçün:

Prompt
Bu memarlıq təsvirində ilk baxışda görünən üç xüsusiyyəti və komandanın ayrıca yoxlamalı olduğu üç məqamı sadala. Təsvirdə dəqiq təsdiqlənməyən vəziyyəti texniki xəta adlandırma; yoxlama tövsiyəsi kimi ifadə et.

Bu sorğu model cavabını yoxlama qeydi layihəsi kimi sınayır. Tövsiyələri xəta aşkarlanması kimi təqdim etməyin; müvafiq səhnə və ya çertyoj faylında yoxlayın.

4. Cavabı yoxlayın və sınağı qeyd edin

Modelin cavabını verdiyiniz təsvirlə yanaşı nəzərdən keçirin. Vacib bir nəticə varsa, təsviri və layihə mənbəyini tutuşdurun; modelin qeyri-müəyyənliyi qeyd edib-etmədiyinə də baxın. Oxşar təsvirlərdə eyni sorğudan istifadə etmək cavabları müqayisə etməyə kömək edə bilər, ancaq bu üsul özlüyündə obyektiv ölçmə yaratmır.

Sınağı komanda daxilində paylaşacaqsınızsa, istifadə olunan təsviri, sorğunu və alınan cavabı birlikdə saxlayın. Beləliklə, nəticənin hansı kontekstdə əldə olunduğu aydın olar. Müştəri təqdimatı, tətbiq qərarı və ya texniki sənədləşdirmə üçün model cavabını yeganə yoxlama mənbəyi kimi istifadə etməyin.

Tez-tez edilən səhvlər

  • Ümumi dəstəyi xüsusi imkan hesab etmək: Mənbələr vizual girişdən istifadəni göstərir; memarlıq planı və renderləri şərh etməkdə uğuru təsdiqləmir.

  • Tapşırığı qeyri-müəyyən vermək: “Şərh et” kimi geniş tələb əvəzinə, araşdırılacaq vizual elementləri və cavab formatını göstərin.

  • Təsvirə daxil olmayan məlumatı fərz etmək: Ölçü, material və ya funksiya kimi elementlər təsvirə əsasən dəqiqləşmirsə, onları layihə faylı ilə yoxlayın.

  • Fərqli model təlimatlarını ümumiləşdirmək: PaliGemma səhifəsində təsvir və mətn ardıcıllığı, eləcə də tapşırığa xüsusi sintaksis izah olunur. Bu formatlar bütün Gemma modellərinə avtomatik tətbiq edilməməlidir; istifadə ediləcək modelin öz təlimatlarına əməl edin.

  • Köhnə sənədi aktual hesab etmək: Gemma API və kitabxana səhifələri yeni sənədlərə yönləndirir. Model adlarını, SDK-nı və quraşdırma tələblərini yoxlayın.

Növbəti addımlar

Əvvəlcə bir təsvir və dar çərçivəli sorğu ilə sınaq keçirin, cavabı birbaşa təsvir üzərindən yoxlayın. Daha sonra oxşar təsvirlərdə eyni sınağı təkrarlayaraq ardıcıl görünən və səhv alınan məqamları qeyd edin. Bu müşahidələr yalnız öz sınaq mühitinizin nəticələridir; onları memarlıq tapşırıqlarında ümumi dəqiqlik iddiasına çevirmək olmaz.

Ofisdə və ya tədris mühitində istifadə planlaşdırılırsa, giriş şərtlərini və mümkün xərcləri ayrıca araşdırın. Lokal kitabxana seçildikdə aktual quraşdırma sənədlərini və iş mühitinin yetərliliyini yoxlayın. Hər iki halda layihə qərarlarını model cavabından asılı olmayaraq çertyoj və dizayn faylları ilə təsdiqləyin.

Mənbə və lisenziya

Google-ın Gemini API Cookbook deposundan (K1), Gemma-nın Gemini API sənədindən (K2), Gemma library for JAX bələdçisindən (K3) və PaliGemma sorğu formatı səhifəsindən (K4) istifadə olunub. K1 deposunun lisenziya məlumatında Apache-2.0 göstərilir. K2, K3 və K4 sənədləri CC BY 4.0 lisenziyalıdır; K3 və K4 kod nümunələri üçün Apache 2.0 lisenziyasını da göstərir. Məzmun türkcəyə uyğunlaşdırılıb. Gemma sənədlərində köhnə sənədlərlə bağlı xəbərdarlığın olduğu nəzərə alınmalıdır.

Mənbələr

3 mənbə
A(
ai.google.dev (CC BY 4.0)ai.google.dev/gemini-api/cookbook
Xülasə
A(
ai.google.dev (CC BY 4.0)ai.google.dev/gemma/docs/core/gemma_on_gemini_api
Xülasə
A(
ai.google.dev (CC BY 4.0)ai.google.dev/gemma/docs/core/gemma_library
Xülasə

Mənbə mətnləri yenidən dərc edilmir; qısa sitatlar işarələnir, qalanı bizim xülasə və şərhimizdir.

3dsınıfı rəyi
3dRedaktorun qiymətləndirməsi

Türkiyədəki ofis və tələbələr üçün vizual girişi memarlıq təsvirlərində sınamaq dizayn müzakirəsinə ilkin qeydlər verə bilər. Lakin mənbələr memarlıq planlarının və ya renderlərin təhlilində xüsusi uğur göstərmir; buna görə nəticəni təsdiqlənmiş texniki məlumat və ya dizayn qərarı kimi qəbul etmək düzgün olmaz.

API seçimi üçün mənbələr qiymət göstərmir; giriş və mümkün xərclər aktual sənədlərdən yoxlanmalıdır. Lokal kitabxana nümunəsi isə JAX quraşdırılması və modeli işlətməyə yetəcək mühit tələb edir. Sənədlərin köhnə olması uyğunluq yoxlamasını iş axınına daxil etməzdən əvvəl xüsusilə vacib edir.

Tez-tez verilən suallar

Gemma memarlıq planlarını və renderləri təhlil edə bilərmi?

Mənbələr Gemma modellərinin vizual girişləri emal edə bildiyini göstərir, lakin memarlıq planlarını və ya renderləri şərh etmək bacarığını xüsusi olaraq təsdiqləmir. Bu təsvirlərlə aparılan sınaqlar yoxlanmalıdır.

Gemma API ilə vizual girişdən istifadə etmək üçün nə lazımdır?

Mənbələrdə Google hesabı və Google AI Studio-dan əldə edilmiş API açarı göstərilir. Model və SDK addımlarının aktual vəziyyəti yeni sənədlərdən yoxlanmalıdır.

Gemma kitabxanası ilə vizual sorğu üçün hansı tələblər göstərilir?

Gemma library for JAX bələdçisinə görə Gemma 3 və ya daha yeni, 4B və ya daha böyük model, eləcə də Gemma3Tokenizer tələb olunur. Bələdçidə həmçinin kifayət qədər resursu olan Colab mühiti və Kaggle-a giriş addımları göstərilir.

Şərhlər və forum türkcədir.Müzakirəyə qoşulun
+

Əlaqəli xəbərlər