AI Prosumer
TA
google/embeddinggemma:300m-qat-q8_0

EmbeddingGemma என்பது Google நிறுவனத்தின் 300M அளவுடைய எம்பெடிங் மாடல் ஆகும்.

உள்ளீடு → வெளியீடு
உரை எம்பெடிங்ஸ்
அணுகல்
டோக்கன் பரிமாற்றம்
சூழல் சாளரம்
2,048 டோக்கன்கள்
மாதிரி டேக்கள்
5 கிடைக்கக்கூடிய பதிப்புகள்
உரிமம்: திறந்த எடை

மாதிரியில் இருந்து பயன்பாட்டிற்கு

விரைவான தொடக்கம்

API குறிப்பு
  1. உங்கள் API விசையை கொள்ளுங்கள்

    ShareAI Console-ல் ஒரு விசையை உருவாக்கி, அதை உங்கள் சர்வரில் சூழல் மாறியாக சேமிக்கவும்.

    API விசையை உருவாக்கவும்
    சூழல் மாறி
    export SHAREAI_API_KEY="your-api-key"
  2. உங்கள் முடிவுநிலையை தேர்ந்தெடுக்கவும்

    உங்கள் API கீயுடன் Authorization தலைப்பில் POST கோரிக்கையை அனுப்பவும்.

    POSThttps://api.shareai.now/api/v1/embeddings
  3. உங்கள் முதல் கோரிக்கையை செய்யவும்

    கீழே உள்ள கோரிக்கை உங்கள் தேர்ந்தெடுத்த டேக்-ஐ பயன்படுத்துகிறது. உங்கள் API கீயை தனிப்பட்டதாக வைத்திருக்க அதை உங்கள் சர்வரில் இயக்கவும்.

    cURL
    curl --request POST 'https://api.shareai.now/api/v1/embeddings' \
      --header "Authorization: Bearer ${SHAREAI_API_KEY}" \
      --header 'Content-Type: application/json' \
      --data-raw '{
      "model": "google/embeddinggemma:300m-qat-q8_0",
      "input": "Hello!"
    }'
    பைதான்
    import json
    import os
    import urllib.request
    
    payload = json.loads("{\n  \"model\": \"google/embeddinggemma:300m-qat-q8_0\",\n  \"input\": \"Hello!\"\n}")
    request = urllib.request.Request("https://api.shareai.now/api/v1/embeddings",
        data=json.dumps(payload).encode(),
        headers={
            "Authorization": f"Bearer {os.environ['SHAREAI_API_KEY']}",
            "Content-Type": "application/json",
        },
        method="POST",
    )
    with urllib.request.urlopen(request) as response:
        print(json.load(response))
    டைப்ஸ்கிரிப்ட்
    const response = await fetch("https://api.shareai.now/api/v1/embeddings", {
      method: 'POST',
      headers: {
        Authorization: `Bearer ${process.env.SHAREAI_API_KEY}`,
        'Content-Type': 'application/json',
      },
      body: JSON.stringify({
        "model": "google/embeddinggemma:300m-qat-q8_0",
        "input": "Hello!"
      }),
    });
    if (!response.ok) throw new Error(await response.text());
    console.log(await response.json());

டோக்கன் பரிமாற்றம்

டோக்கன் பரிமாற்றத்தின் மூலம் கிடைக்கிறது

உங்கள் டோக்கன் இருப்பு மூலம் நெட்வொர்க்கைப் பயன்படுத்தவும். உங்கள் கணக்கின் நுகர்வு அமைப்புகள் கோரிக்கைகள் எப்படி கட்டணமாக்கப்படுகின்றன என்பதை நிர்ணயிக்கின்றன.

உங்கள் பதிப்பை தேர்ந்தெடுக்கவும்

டேக்கள் 5

அதன் விவரக்குறிப்புகள் மற்றும் API எடுத்துக்காட்டுகளை காண டேக்கை திறக்கவும்.

கொஞ்சம் கூடுதல் விவரம்

அடிக்கடி கேட்கப்படும் கேள்விகள்

embeddinggemma என்றால் என்ன?

EmbeddingGemma என்பது Google நிறுவனத்தின் 300M அளவுடைய எம்பெடிங் மாடல் ஆகும்.

embeddinggemma எவ்வளவு செலவாகும்?

இந்த குறிச்சொல் Token Exchange மூலம் கிடைக்கிறது. உங்கள் டோக்கன் இருப்பு மற்றும் கணக்கு பயன்பாட்டு அமைப்புகள் அணுகல் மற்றும் கட்டணத்தை நிர்ணயிக்கின்றன. உங்கள் Console-ல் உங்கள் இருப்பு மற்றும் தகுதி நிலையை சரிபார்க்கவும்.

embeddinggemma எந்த உள்ளீடுகள் மற்றும் வெளியீடுகளை ஆதரிக்கிறது?

உள்ளீடுகள்: உரை. வெளியீடுகள்: எம்பெடிங்ஸ். இந்த திறன்கள் தேர்ந்தெடுக்கப்பட்ட மாடல் குறிச்சொல்லுக்கு பொருந்தும். ஆதரிக்கப்படும் கோரிக்கை வடிவங்களுக்கான முடிவுகள் ஆவணங்களைச் சரிபார்க்கவும்.

embeddinggemma-இன் சூழல் நீளம் என்ன?

இந்த டாக் 2,048 டோக்கன்களின் சூழல் சாளரத்தைக் கொண்டுள்ளது. சூழல் அளவு மற்றும் விலை வரம்புகள் தனித்தனியாக உள்ளன. குறிப்பிட்ட ஒரு பயன்பாட்டிற்கான கோரிக்கை வரம்புகள் குறைவாக இருக்கலாம்.

embeddinggemma-ஐ ShareAI உடன் எப்படி பயன்படுத்துவது?

ShareAI Console-ல் ஒரு API விசையை உருவாக்கி, ஒரு மாடல் குறிச்சொல்லை தேர்ந்தெடுத்து, Quick Start இல் உள்ள endpoint-க்கு அங்கீகரிக்கப்பட்ட கோரிக்கையை அனுப்பவும். நீங்கள் தேர்ந்தெடுத்த மாடலுக்கு அணுகல் கொண்ட விசையை வைத்திருக்க வேண்டும். உங்கள் விசையை உங்கள் சேவையகத்தில் பாதுகாப்பாக வைத்திருக்கவும்.