सामग्री पर जाएं
For the complete documentation index, see llms.txt. This page is also available as Markdown.

Google Gemma

OpenRouter के माध्यम से विज़न क्षमताओं वाले Google के Gemma मॉडल को चलाएँ।

v4

Google के Gemma मॉडल से, जिसमें विज़न क्षमताएँ हैं, एक प्रश्न पूछें।

आप मनमाना टेक्स्ट प्रॉम्प्ट या पूर्वनिर्धारित प्रॉम्प्ट निर्दिष्ट कर सकते हैं; यह ब्लॉक निम्नलिखित प्रकार के प्रॉम्प्ट का समर्थन करता है:

  • ओपन प्रॉम्प्ट (अनियंत्रित) - कच्चा उत्तर उत्पन्न करने के लिए किसी भी प्रॉम्प्ट का उपयोग करें

  • पाठ पहचान (OCR) (ocr) - मॉडल छवि में पाठ को पहचानता है

  • दृश्य प्रश्नोत्तर (visual-question-answering) - मॉडल प्रॉम्प्ट में आपके द्वारा सबमिट किए गए प्रश्न का उत्तर देता है

  • कैप्शनिंग (संक्षिप्त) (caption) - मॉडल छवि का संक्षिप्त विवरण देता है

  • कैप्शनिंग (detailed-caption) - मॉडल छवि का विस्तृत विवरण देता है

  • एकल-लेबल वर्गीकरण (classification) - मॉडल छवि की सामग्री को प्रदान की गई श्रेणियों में से एक के रूप में वर्गीकृत करता है

  • बहु-लेबल वर्गीकरण (multi-label-classification) - मॉडल छवि की सामग्री को प्रदान की गई श्रेणियों में से एक या अधिक के रूप में वर्गीकृत करता है

  • बिना प्रॉम्प्ट की वस्तु पहचान (object-detection) - मॉडल छवि में प्रमुख वस्तुओं के लिए बाउंडिंग बॉक्स का पता लगाता है और लौटाता है

  • संरचित आउटपुट निर्माण (structured-answering) - मॉडल निर्दिष्ट फ़ील्डों के साथ JSON प्रतिक्रिया लौटाता है

🛠️ API प्रदाता और मॉडल संस्करण

Gemma को इसके माध्यम से उपलब्ध कराया गया है OpenRouter. डिफ़ॉल्ट रूप से यह ब्लॉक उपयोग करता है Roboflow-प्रबंधित OpenRouter कुंजी और आपके Roboflow क्रेडिट से शुल्क लेता है - किसी अतिरिक्त सेटअप की आवश्यकता नहीं है। Roboflow बिलिंग को बायपास करने के लिए, अपनी स्वयं की sk-or-... कुंजी को api_key फ़ील्ड में।

यह privacy_level फ़ील्ड नियंत्रित करता है कि कौन से OpenRouter प्रदाता अनुरोध को सेवा दे सकते हैं:

  • कोई डेटा संग्रह नहीं (डिफ़ॉल्ट) – प्रदाता आपके इनपुट पर प्रशिक्षण नहीं ले सकते।

  • डेटा संग्रह की अनुमति दें – प्रदाताओं के व्यापक समूह के माध्यम से, जिनमें इनपुट्स पर प्रशिक्षण देने वाले प्रदाता भी शामिल हैं।

  • शून्य डेटा अवधारण – सबसे सख्त, उन प्रदाताओं तक सीमित करता है जो कुछ भी संग्रहीत नहीं रखते।

💡 अतिरिक्त पठन और स्वीकार्य उपयोग नीति

संस्करणों के अंतर

यह संस्करण (v4) ब्लॉक के अंदर मॉडल के उत्तरों को डिकोड करता है:

  • भविष्यवाणियाँ - वर्गीकरण और ऑब्जेक्ट-डिटेक्शन उत्तर यहाँ पार्स किए जाते हैं, इसलिए अप्रचलित डिटेक्टर के रूप में VLM / क्लासिफायर के रूप में VLM ब्लॉक अब आवश्यक नहीं हैं। आउटपुट प्रकार अनुसरण करता है task_type: के लिए ऑब्जेक्ट डिटेक्शन पूर्वानुमान object-detection, के लिए वर्गीकरण पूर्वानुमान classification और multi-label-classification, और None अन्य सभी कार्यों के लिए।

  • error_status - सही जब मॉडल उत्तर को पार्स नहीं किया जा सका।

  • inference_id - प्रत्येक छवि के लिए उत्पन्न पहचानकर्ता, जिसे डिकोड किए गए पूर्वानुमानों से जोड़ा जाता है।

प्रकार पहचानकर्ता

चरण में निम्नलिखित पहचानकर्ता का उपयोग करें "type" फ़ील्ड: roboflow_core/google_gemma@v4 ताकि ब्लॉक को अपने वर्कफ़्लो में एक चरण के रूप में जोड़ा जा सके।

गुण

नाम

प्रकार

विवरण

संदर्भ

नाम

str

इस चरण के लिए एक अद्वितीय पहचानकर्ता दर्ज करें..

❌

api_key

str

OpenRouter API कुंजी। डिफ़ॉल्ट रूप से Roboflow की प्रबंधित कुंजी उपयोग होती है, जिसका बिल Roboflow के माध्यम से क्रेडिट में किया जाता है। अपनी स्वयं की sk-or-... कुंजी प्रदान करें ताकि Roboflow बिलिंग के बिना सीधे OpenRouter को कॉल किया जा सके..

✅

privacy_level

str

प्रदाता गोपनीयता फ़िल्टर। सख़्त स्तर प्रदाताओं का पूल कम करते हैं और प्रबंधित कुंजी पर प्रति-कॉल लागत बढ़ा सकते हैं..

❌

max_tokens

int

मॉडल अपने उत्तर में जितने अधिकतम टोकन उत्पन्न कर सकता है। डिफ़ॉल्ट रूप से 2048 है। जब किसी कार्य को लंबे उत्तर की आवश्यकता हो, तो इसे स्पष्ट रूप से बढ़ाएँ (जैसे 8192)। बिलिंग वास्तव में उत्पन्न टोकनों के आधार पर होती है, इस सीमा के आधार पर नहीं..

❌

temperature

float

मॉडल से सैंपल लेने के लिए तापमान - मान 0.0-2.0 की सीमा में, जितना अधिक होगा - जनरेशन उतनी ही अधिक यादृच्छिक / "रचनात्मक" होंगी..

✅

max_concurrent_requests

int

छवियों के बैच के लिए समवर्ती अनुरोधों की संख्या। यदि नहीं दिया गया - तो ब्लॉक डिफ़ॉल्ट रूप से Workflows Execution Engine में वैश्विक रूप से कॉन्फ़िगर किए गए मान का उपयोग करता है। यदि आपको दर सीमाएँ मिलें तो इसे सीमित करें..

❌

task_type

str

मॉडल द्वारा किए जाने वाले कार्य का प्रकार। मान आवश्यक पैरामीटर और आउटपुट प्रतिक्रिया निर्धारित करता है..

❌

prompt

str

Gemma मॉडल के लिए टेक्स्ट प्रॉम्प्ट।

✅

output_structure

Dict[str, str]

अपेक्षित JSON प्रतिक्रिया की संरचना वाला डिक्शनरी।

❌

classes

List[str]

उपयोग की जाने वाली श्रेणियों की सूची।

✅

model_version

str

उपयोग किया जाने वाला मॉडल।

✅

reasoning_effort

str

विस्तारित-तर्क बजट OpenRouter को के रूप में अग्रेषित किया गया reasoning: {"effort": ...}. अनसेट रहने पर मॉडल का प्रदाता-डिफ़ॉल्ट व्यवहार बना रहता है; कोई नहीं यह तर्क-विचार को स्पष्ट रूप से अक्षम करता है। जो मॉडल इस कॉन्फ़िगरेशन को अस्वीकार करते हैं, उन्हें इसके बिना पुनः प्रयास किया जाता है..

✅

यह संदर्भ कॉलम उस संभावना को चिह्नित करता है कि प्रॉपर्टी को गतिशील मानों के साथ पैरामीटराइज़ किया जा सकता है, जो उपलब्ध हैं वर्कफ़्लो रनटाइम में। देखें बाइंडिंग्स अधिक जानकारी के लिए।

रनटाइम संगतता

requires_internet - एयर-गैप्ड / ऑफ़लाइन डिप्लॉयमेंट : यह ब्लॉक एक ऐसी सेवा पर निर्भर करता है जो पूर्णतः ऑफ़लाइन / एयर-गैप्ड डिप्लॉयमेंट से उपलब्ध नहीं है।

इनपुट और आउटपुट बाइंडिंग्स

उपलब्ध कनेक्शन इसके बाइंडिंग प्रकारों पर निर्भर करते हैं। जाँचें कि कौन-से बाइंडिंग प्रकार Google Gemma संस्करण में v4 हैं।

इनपुट और आउटपुट बाइंडिंग्स
  • इनपुट

    • api_key (Union[ROBOFLOW_MANAGED_KEY, secret, string]): OpenRouter API कुंजी। डिफ़ॉल्ट रूप से Roboflow की प्रबंधित कुंजी उपयोग होती है, जिसका बिल Roboflow के माध्यम से क्रेडिट में किया जाता है। अपनी स्वयं की sk-or-... कुंजी प्रदान करें ताकि Roboflow बिलिंग के बिना सीधे OpenRouter को कॉल किया जा सके..

    • temperature (float): मॉडल से सैंपल लेने के लिए तापमान - मान 0.0-2.0 की सीमा में, जितना अधिक होगा - जनरेशन उतनी ही अधिक यादृच्छिक / "रचनात्मक" होंगी..

    • छवियाँ (छवि): जिस छवि पर अनुमान लगाना है..

    • prompt (string): Gemma मॉडल के लिए टेक्स्ट प्रॉम्प्ट।

    • classes (list_of_values): उपयोग की जाने वाली श्रेणियों की सूची।

    • model_version (string): उपयोग किया जाने वाला मॉडल।

    • reasoning_effort (string): विस्तारित-तर्क बजट OpenRouter को के रूप में अग्रेषित किया गया reasoning: {"effort": ...}. अनसेट रहने पर मॉडल का प्रदाता-डिफ़ॉल्ट व्यवहार बना रहता है; कोई नहीं यह तर्क-विचार को स्पष्ट रूप से अक्षम करता है। जो मॉडल इस कॉन्फ़िगरेशन को अस्वीकार करते हैं, उन्हें इसके बिना पुनः प्रयास किया जाता है..

  • आउटपुट

    • आउटपुट (Union[string, language_model_output]): यदि स्ट्रिंग मान हो string या यदि LLM / VLM आउटपुट हो language_model_output.

    • classes (list_of_values): किसी भी प्रकार के मानों की सूची।

    • input_tokens (integer): पूर्णांक मान।

    • output_tokens (integer): पूर्णांक मान।

    • भविष्यवाणियाँ (Union[object_detection_prediction, classification_prediction]): यदि हो तो sv.Detections(...) ऑब्जेक्ट के रूप में पता लगाए गए बाउंडिंग बॉक्स वाली भविष्यवाणी object_detection_prediction या यदि हो तो वर्गीकारक से भविष्यवाणियाँ classification_prediction.

    • error_status (boolean): बूलियन फ़्लैग.

    • inference_id (inference_id): अनुमान पहचानकर्ता।

उदाहरण JSON परिभाषा

v3

Google के Gemma मॉडल से, जिसमें विज़न क्षमताएँ हैं, एक प्रश्न पूछें।

आप मनमाना टेक्स्ट प्रॉम्प्ट या पूर्वनिर्धारित प्रॉम्प्ट निर्दिष्ट कर सकते हैं; यह ब्लॉक निम्नलिखित प्रकार के प्रॉम्प्ट का समर्थन करता है:

  • ओपन प्रॉम्प्ट (अनियंत्रित) - कच्चा उत्तर उत्पन्न करने के लिए किसी भी प्रॉम्प्ट का उपयोग करें

  • पाठ पहचान (OCR) (ocr) - मॉडल छवि में पाठ को पहचानता है

  • दृश्य प्रश्नोत्तर (visual-question-answering) - मॉडल प्रॉम्प्ट में आपके द्वारा सबमिट किए गए प्रश्न का उत्तर देता है

  • कैप्शनिंग (संक्षिप्त) (caption) - मॉडल छवि का संक्षिप्त विवरण देता है

  • कैप्शनिंग (detailed-caption) - मॉडल छवि का विस्तृत विवरण देता है

  • एकल-लेबल वर्गीकरण (classification) - मॉडल छवि की सामग्री को प्रदान की गई श्रेणियों में से एक के रूप में वर्गीकृत करता है

  • बहु-लेबल वर्गीकरण (multi-label-classification) - मॉडल छवि की सामग्री को प्रदान की गई श्रेणियों में से एक या अधिक के रूप में वर्गीकृत करता है

  • बिना प्रॉम्प्ट की वस्तु पहचान (object-detection) - मॉडल छवि में प्रमुख वस्तुओं के लिए बाउंडिंग बॉक्स का पता लगाता है और लौटाता है

  • संरचित आउटपुट निर्माण (structured-answering) - मॉडल निर्दिष्ट फ़ील्डों के साथ JSON प्रतिक्रिया लौटाता है

🛠️ API प्रदाता और मॉडल संस्करण

Gemma को इसके माध्यम से उपलब्ध कराया गया है OpenRouter. डिफ़ॉल्ट रूप से यह ब्लॉक उपयोग करता है Roboflow-प्रबंधित OpenRouter कुंजी और आपके Roboflow क्रेडिट से शुल्क लेता है - किसी अतिरिक्त सेटअप की आवश्यकता नहीं है। Roboflow बिलिंग को बायपास करने के लिए, अपनी स्वयं की sk-or-... कुंजी को api_key फ़ील्ड में।

यह privacy_level फ़ील्ड नियंत्रित करता है कि कौन से OpenRouter प्रदाता अनुरोध को सेवा दे सकते हैं:

  • कोई डेटा संग्रह नहीं (डिफ़ॉल्ट) – प्रदाता आपके इनपुट पर प्रशिक्षण नहीं ले सकते।

  • डेटा संग्रह की अनुमति दें – प्रदाताओं के व्यापक समूह के माध्यम से, जिनमें इनपुट्स पर प्रशिक्षण देने वाले प्रदाता भी शामिल हैं।

  • शून्य डेटा अवधारण – सबसे सख्त, उन प्रदाताओं तक सीमित करता है जो कुछ भी संग्रहीत नहीं रखते।

💡 अतिरिक्त पठन और स्वीकार्य उपयोग नीति

प्रकार पहचानकर्ता

चरण में निम्नलिखित पहचानकर्ता का उपयोग करें "type" फ़ील्ड: roboflow_core/google_gemma@v3 ताकि ब्लॉक को अपने वर्कफ़्लो में एक चरण के रूप में जोड़ा जा सके।

गुण

नाम

प्रकार

विवरण

संदर्भ

नाम

str

इस चरण के लिए एक अद्वितीय पहचानकर्ता दर्ज करें..

❌

api_key

str

OpenRouter API कुंजी। डिफ़ॉल्ट रूप से Roboflow की प्रबंधित कुंजी उपयोग होती है, जिसका बिल Roboflow के माध्यम से क्रेडिट में किया जाता है। अपनी स्वयं की sk-or-... कुंजी प्रदान करें ताकि Roboflow बिलिंग के बिना सीधे OpenRouter को कॉल किया जा सके..

✅

privacy_level

str

प्रदाता गोपनीयता फ़िल्टर। सख़्त स्तर प्रदाताओं का पूल कम करते हैं और प्रबंधित कुंजी पर प्रति-कॉल लागत बढ़ा सकते हैं..

❌

max_tokens

int

मॉडल अपने उत्तर में जितने अधिकतम टोकन उत्पन्न कर सकता है। डिफ़ॉल्ट रूप से 2048 है। जब किसी कार्य को लंबे उत्तर की आवश्यकता हो, तो इसे स्पष्ट रूप से बढ़ाएँ (जैसे 8192)। बिलिंग वास्तव में उत्पन्न टोकनों के आधार पर होती है, इस सीमा के आधार पर नहीं..

❌

temperature

float

मॉडल से सैंपल लेने के लिए तापमान - मान 0.0-2.0 की सीमा में, जितना अधिक होगा - जनरेशन उतनी ही अधिक यादृच्छिक / "रचनात्मक" होंगी..

✅

max_concurrent_requests

int

छवियों के बैच के लिए समवर्ती अनुरोधों की संख्या। यदि नहीं दिया गया - तो ब्लॉक डिफ़ॉल्ट रूप से Workflows Execution Engine में वैश्विक रूप से कॉन्फ़िगर किए गए मान का उपयोग करता है। यदि आपको दर सीमाएँ मिलें तो इसे सीमित करें..

❌

task_type

str

मॉडल द्वारा किए जाने वाले कार्य का प्रकार। मान आवश्यक पैरामीटर और आउटपुट प्रतिक्रिया निर्धारित करता है..

❌

prompt

str

Gemma मॉडल के लिए टेक्स्ट प्रॉम्प्ट।

✅

output_structure

Dict[str, str]

अपेक्षित JSON प्रतिक्रिया की संरचना वाला डिक्शनरी।

❌

classes

List[str]

उपयोग की जाने वाली श्रेणियों की सूची।

✅

model_version

str

उपयोग किया जाने वाला मॉडल।

✅

reasoning_effort

str

विस्तारित-तर्क बजट OpenRouter को के रूप में अग्रेषित किया गया reasoning: {"effort": ...}. अनसेट रहने पर मॉडल का प्रदाता-डिफ़ॉल्ट व्यवहार बना रहता है; कोई नहीं यह तर्क-विचार को स्पष्ट रूप से अक्षम करता है। जो मॉडल इस कॉन्फ़िगरेशन को अस्वीकार करते हैं, उन्हें इसके बिना पुनः प्रयास किया जाता है..

✅

यह संदर्भ कॉलम उस संभावना को चिह्नित करता है कि प्रॉपर्टी को गतिशील मानों के साथ पैरामीटराइज़ किया जा सकता है, जो उपलब्ध हैं वर्कफ़्लो रनटाइम में। देखें बाइंडिंग्स अधिक जानकारी के लिए।

रनटाइम संगतता

requires_internet - एयर-गैप्ड / ऑफ़लाइन डिप्लॉयमेंट : यह ब्लॉक एक ऐसी सेवा पर निर्भर करता है जो पूर्णतः ऑफ़लाइन / एयर-गैप्ड डिप्लॉयमेंट से उपलब्ध नहीं है।

इनपुट और आउटपुट बाइंडिंग्स

उपलब्ध कनेक्शन इसके बाइंडिंग प्रकारों पर निर्भर करते हैं। जाँचें कि कौन-से बाइंडिंग प्रकार Google Gemma संस्करण में v3 हैं।

इनपुट और आउटपुट बाइंडिंग्स
  • इनपुट

    • api_key (Union[ROBOFLOW_MANAGED_KEY, secret, string]): OpenRouter API कुंजी। डिफ़ॉल्ट रूप से Roboflow की प्रबंधित कुंजी उपयोग होती है, जिसका बिल Roboflow के माध्यम से क्रेडिट में किया जाता है। अपनी स्वयं की sk-or-... कुंजी प्रदान करें ताकि Roboflow बिलिंग के बिना सीधे OpenRouter को कॉल किया जा सके..

    • temperature (float): मॉडल से सैंपल लेने के लिए तापमान - मान 0.0-2.0 की सीमा में, जितना अधिक होगा - जनरेशन उतनी ही अधिक यादृच्छिक / "रचनात्मक" होंगी..

    • छवियाँ (छवि): जिस छवि पर अनुमान लगाना है..

    • prompt (string): Gemma मॉडल के लिए टेक्स्ट प्रॉम्प्ट।

    • classes (list_of_values): उपयोग की जाने वाली श्रेणियों की सूची।

    • model_version (string): उपयोग किया जाने वाला मॉडल।

    • reasoning_effort (string): विस्तारित-तर्क बजट OpenRouter को के रूप में अग्रेषित किया गया reasoning: {"effort": ...}. अनसेट रहने पर मॉडल का प्रदाता-डिफ़ॉल्ट व्यवहार बना रहता है; कोई नहीं यह तर्क-विचार को स्पष्ट रूप से अक्षम करता है। जो मॉडल इस कॉन्फ़िगरेशन को अस्वीकार करते हैं, उन्हें इसके बिना पुनः प्रयास किया जाता है..

  • आउटपुट

    • आउटपुट (Union[string, language_model_output]): यदि स्ट्रिंग मान हो string या यदि LLM / VLM आउटपुट हो language_model_output.

    • classes (list_of_values): किसी भी प्रकार के मानों की सूची।

    • input_tokens (integer): पूर्णांक मान।

    • output_tokens (integer): पूर्णांक मान।

उदाहरण JSON परिभाषा

v2

Google के Gemma मॉडल से, जिसमें विज़न क्षमताएँ हैं, एक प्रश्न पूछें।

आप मनमाना टेक्स्ट प्रॉम्प्ट या पूर्वनिर्धारित प्रॉम्प्ट निर्दिष्ट कर सकते हैं; यह ब्लॉक निम्नलिखित प्रकार के प्रॉम्प्ट का समर्थन करता है:

  • ओपन प्रॉम्प्ट (अनियंत्रित) - कच्चा उत्तर उत्पन्न करने के लिए किसी भी प्रॉम्प्ट का उपयोग करें

  • पाठ पहचान (OCR) (ocr) - मॉडल छवि में पाठ को पहचानता है

  • दृश्य प्रश्नोत्तर (visual-question-answering) - मॉडल प्रॉम्प्ट में आपके द्वारा सबमिट किए गए प्रश्न का उत्तर देता है

  • कैप्शनिंग (संक्षिप्त) (caption) - मॉडल छवि का संक्षिप्त विवरण देता है

  • कैप्शनिंग (detailed-caption) - मॉडल छवि का विस्तृत विवरण देता है

  • एकल-लेबल वर्गीकरण (classification) - मॉडल छवि की सामग्री को प्रदान की गई श्रेणियों में से एक के रूप में वर्गीकृत करता है

  • बहु-लेबल वर्गीकरण (multi-label-classification) - मॉडल छवि की सामग्री को प्रदान की गई श्रेणियों में से एक या अधिक के रूप में वर्गीकृत करता है

  • बिना प्रॉम्प्ट की वस्तु पहचान (object-detection) - मॉडल छवि में प्रमुख वस्तुओं के लिए बाउंडिंग बॉक्स का पता लगाता है और लौटाता है

  • संरचित आउटपुट निर्माण (structured-answering) - मॉडल निर्दिष्ट फ़ील्डों के साथ JSON प्रतिक्रिया लौटाता है

🛠️ API प्रदाता और मॉडल संस्करण

Gemma को इसके माध्यम से उपलब्ध कराया गया है OpenRouter. डिफ़ॉल्ट रूप से यह ब्लॉक उपयोग करता है Roboflow-प्रबंधित OpenRouter कुंजी और आपके Roboflow क्रेडिट से शुल्क लेता है - किसी अतिरिक्त सेटअप की आवश्यकता नहीं है। Roboflow बिलिंग को बायपास करने के लिए, अपनी स्वयं की sk-or-... कुंजी को api_key फ़ील्ड में।

यह privacy_level फ़ील्ड नियंत्रित करता है कि कौन से OpenRouter प्रदाता अनुरोध को सेवा दे सकते हैं:

  • कोई डेटा संग्रह नहीं (डिफ़ॉल्ट) – प्रदाता आपके इनपुट पर प्रशिक्षण नहीं ले सकते।

  • डेटा संग्रह की अनुमति दें – प्रदाताओं के व्यापक समूह के माध्यम से, जिनमें इनपुट्स पर प्रशिक्षण देने वाले प्रदाता भी शामिल हैं।

  • शून्य डेटा अवधारण – सबसे सख्त, उन प्रदाताओं तक सीमित करता है जो कुछ भी संग्रहीत नहीं रखते।

💡 अतिरिक्त पठन और स्वीकार्य उपयोग नीति

प्रकार पहचानकर्ता

चरण में निम्नलिखित पहचानकर्ता का उपयोग करें "type" फ़ील्ड: roboflow_core/google_gemma@v2 ताकि ब्लॉक को अपने वर्कफ़्लो में एक चरण के रूप में जोड़ा जा सके।

गुण

नाम

प्रकार

विवरण

संदर्भ

नाम

str

इस चरण के लिए एक अद्वितीय पहचानकर्ता दर्ज करें..

❌

api_key

str

OpenRouter API कुंजी। डिफ़ॉल्ट रूप से Roboflow की प्रबंधित कुंजी उपयोग होती है, जिसका बिल Roboflow के माध्यम से क्रेडिट में किया जाता है। अपनी स्वयं की sk-or-... कुंजी प्रदान करें ताकि Roboflow बिलिंग के बिना सीधे OpenRouter को कॉल किया जा सके..

✅

privacy_level

str

प्रदाता गोपनीयता फ़िल्टर। सख़्त स्तर प्रदाताओं का पूल कम करते हैं और प्रबंधित कुंजी पर प्रति-कॉल लागत बढ़ा सकते हैं..

❌

max_tokens

int

मॉडल अपनी प्रतिक्रिया में जितने अधिकतम टोकन उत्पन्न कर सकता है..

❌

temperature

float

मॉडल से सैंपल लेने के लिए तापमान - मान 0.0-2.0 की सीमा में, जितना अधिक होगा - जनरेशन उतनी ही अधिक यादृच्छिक / "रचनात्मक" होंगी..

✅

max_concurrent_requests

int

छवियों के बैच के लिए समवर्ती अनुरोधों की संख्या। यदि नहीं दिया गया - तो ब्लॉक डिफ़ॉल्ट रूप से Workflows Execution Engine में वैश्विक रूप से कॉन्फ़िगर किए गए मान का उपयोग करता है। यदि आपको दर सीमाएँ मिलें तो इसे सीमित करें..

❌

task_type

str

मॉडल द्वारा किए जाने वाले कार्य का प्रकार। मान आवश्यक पैरामीटर और आउटपुट प्रतिक्रिया निर्धारित करता है..

❌

prompt

str

Gemma मॉडल के लिए टेक्स्ट प्रॉम्प्ट।

✅

output_structure

Dict[str, str]

अपेक्षित JSON प्रतिक्रिया की संरचना वाला डिक्शनरी।

❌

classes

List[str]

उपयोग की जाने वाली श्रेणियों की सूची।

✅

model_version

str

उपयोग किया जाने वाला मॉडल।

✅

यह संदर्भ कॉलम उस संभावना को चिह्नित करता है कि प्रॉपर्टी को गतिशील मानों के साथ पैरामीटराइज़ किया जा सकता है, जो उपलब्ध हैं वर्कफ़्लो रनटाइम में। देखें बाइंडिंग्स अधिक जानकारी के लिए।

रनटाइम संगतता

requires_internet - एयर-गैप्ड / ऑफ़लाइन डिप्लॉयमेंट : यह ब्लॉक एक ऐसी सेवा पर निर्भर करता है जो पूर्णतः ऑफ़लाइन / एयर-गैप्ड डिप्लॉयमेंट से उपलब्ध नहीं है।

इनपुट और आउटपुट बाइंडिंग्स

उपलब्ध कनेक्शन इसके बाइंडिंग प्रकारों पर निर्भर करते हैं। जाँचें कि कौन-से बाइंडिंग प्रकार Google Gemma संस्करण में v2 हैं।

इनपुट और आउटपुट बाइंडिंग्स
  • इनपुट

    • api_key (Union[ROBOFLOW_MANAGED_KEY, secret, string]): OpenRouter API कुंजी। डिफ़ॉल्ट रूप से Roboflow की प्रबंधित कुंजी उपयोग होती है, जिसका बिल Roboflow के माध्यम से क्रेडिट में किया जाता है। अपनी स्वयं की sk-or-... कुंजी प्रदान करें ताकि Roboflow बिलिंग के बिना सीधे OpenRouter को कॉल किया जा सके..

    • temperature (float): मॉडल से सैंपल लेने के लिए तापमान - मान 0.0-2.0 की सीमा में, जितना अधिक होगा - जनरेशन उतनी ही अधिक यादृच्छिक / "रचनात्मक" होंगी..

    • छवियाँ (छवि): जिस छवि पर अनुमान लगाना है..

    • prompt (string): Gemma मॉडल के लिए टेक्स्ट प्रॉम्प्ट।

    • classes (list_of_values): उपयोग की जाने वाली श्रेणियों की सूची।

    • model_version (string): उपयोग किया जाने वाला मॉडल।

  • आउटपुट

    • आउटपुट (Union[string, language_model_output]): यदि स्ट्रिंग मान हो string या यदि LLM / VLM आउटपुट हो language_model_output.

    • classes (list_of_values): किसी भी प्रकार के मानों की सूची।

उदाहरण JSON परिभाषा

अंतिम अपडेट

क्या यह उपयोगी था?