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

LMM

ChatGPT-4vのような大規模マルチモーダルモデルを実行します。

画像とテキストを使って、大規模マルチモーダルモデル(LMM)に質問します。

LMMBlock には任意のテキストプロンプトを指定できます。

LLMBlock は 2 つの LMM をサポートします:

  • OpenAI の GPT-4 with Vision;

GPT-4 with Vision モデルを使用するには、OpenAI の API キーを指定する必要があります。

画像を1つ以上のカテゴリに分類したい場合は、専用の LMMForClassificationBlock の使用をおすすめします。

型識別子

ステップで次の識別子を使用してください "type" フィールド: roboflow_core/lmm@v1 ワークフローにこのブロックをステップとして追加するには。

プロパティ

名前

説明

参照

name

str

このステップの一意の識別子を入力してください。

プロンプト

str

LMM モードへの制約のないテキストプロンプトを保持します。

lmm_type

str

使用する LMM の種類。

lmm_config

LMMConfig

LMM の設定。

remote_api_key

str

LMM モデルを呼び出すために必要な API キーを保持します。現時点の開発段階では、OpenAI キーが必要な場合 lmm_type=gpt_4v..

json_output

Dict[str, str]

要求された出力フィールド名をその説明にマッピングする辞書を保持します。

この 参照 列は、で利用可能な動的値を使ってプロパティをパラメータ化できる可能性を示します ワークフロー 実行時。参照 バインディング 詳細は。

ランタイム互換性

requires_internet - エアギャップ/オフライン環境: このブロックは、完全にオフライン/エアギャップ環境から到達できないサービスに依存しています。

ハード - ランタイム hosted_serverless;実行 リモート : Roboflow Hosted Serverless で LMM_ENABLED=False の場合: /llm_v1 エンドポイントは登録されていないため、run_remotely() は 404 を返します。

入力と出力のバインディング

利用可能な接続は、そのバインディング種別によって異なります。どのバインディング種別が LMM のバージョン v1 あるか確認してください。

入力と出力のバインディング
  • 入力

    • images (image): 推論対象の画像です..

    • プロンプト (string): LMM モードへの制約のないテキストプロンプトを保持します。

    • lmm_type (string): 使用する LMM の種類。

    • remote_api_key (Union[secret, string]): LMM モデルを呼び出すために必要な API キーを保持します。現時点の開発段階では、OpenAI キーが必要な場合 lmm_type=gpt_4v..

  • 出力

    • parent_id (parent_id):ステップ出力の親の識別子。

    • root_parent_id (parent_id):ステップ出力の親の識別子。

    • image (image_metadata):supervision に必要な画像メタデータを含む辞書。

    • structured_output (辞書):辞書。

    • raw_output (string) : 文字列値。

    • * (*):任意の要素に相当します。

JSON 定義の例

最終更新

役に立ちましたか?