COMPLETE (SNOWFLAKE.CORTEX) (multimodal)¶

Syntaxe¶

Utilisez l’une des méthodes suivantes :

SNOWFLAKE.CORTEX.COMPLETE(
    '<model>', '<prompt>', <file_object>)
FROM <table>

SNOWFLAKE.CORTEX.COMPLETE(
    '<model>', <prompt_object> )
FROM <table>

Arguments¶

model

Une chaîne spécifiant le modèle à utiliser. Spécifiez l’un des modèles suivants :

• claude-3-5-sonnet

• pixtral-large

Les modèles pris en charge peuvent avoir des coûts et des fenêtres contextuelles différents. De nouveaux modèles peuvent être ajoutés de temps à autre.

prompt

Une chaîne contenant une question sur l’image et spécifiant éventuellement un format de sortie, tel que JSON. L’un ou l’autre de ces arguments ou l’argument prompt_object est requis.

prompt_object

Un SQL OBJECT contenant un prompt de chaînes avec des espaces réservés numérotés ({0}, {1}, etc.) et un ou plusieurs textes ou valeurs FILE qui sont insérés dans le prompt. La fonction Fonction PROMPT est un moyen pratique de créer un objet avec l’exigence requise. Cet argument ou prompt est nécessaire.

file_object

Un objet FILE qui contient un fichier image à traiter. Utilisez la fonction TO_FILE pour créer des objets FILE à partir du chemin d’une zone de préparation. Exigence requise lors de l’utilisation d’un prompt de chaînes.

FROM table

Une table facultative contenant les chemins d’accès aux images et un prompt facultatif pour chaque image, ce qui permet de traiter les images par lots en un seul appel à COMPLETE.

Renvoie¶

Une chaîne contenant la réponse du modèle de langage.

Notes sur l’utilisation¶

• Pour traiter plusieurs images, le prompt doit être un objet (généralement créé à l’aide de la fonction PROMPT) qui spécifie un modèle de prompt et les fichiers à traiter.

• Seuls le texte et les images sont pris en charge. Les fichiers vidéo et audio ne sont pas pris en charge.

• Les images portant l’extension .jpg, .jpeg, .png, .gif et .webp sont prises en charge. pixtral-large prend également en charge .bmp.

• La taille maximale de l’image est de 10 MB pour pixtral-large et de 3,75 MB pour claude-3-5-sonnet. En outre, claude-3-5-sonnet ne prend pas en charge les images dont la résolution est supérieure à 8000x8000.

• La zone de préparation contenant les images doit avoir le chiffrement côté serveur activé. Les zones de préparation chiffrées côté client ne sont pas prises en charge.

• La fonction ne prend pas en charge les politiques réseau personnalisées.

• Les noms des zones de préparation ne tiennent pas compte de la casse, contrairement aux chemins.

Exemples¶

Les exemples suivants démontrent les capacités de base de la fonction COMPLETE avec des images.

Réponse visuelle aux questions¶

Un tableau des taux d’inflation est utilisé pour répondre à une question sur les données.

SELECT SNOWFLAKE.CORTEX.COMPLETE('claude-3-5-sonnet',
    'Which country will observe the largest inflation change in 2024 compared to 2023?',
    TO_FILE('@myimages', 'highest-inflation.png'));

Copy

Réponse :

Looking at the data, Venezuela will experience the largest change in inflation rates between 2023 and 2024.
The inflation rate in Venezuela is projected to decrease significantly from 337.46% in 2023 to 99.98% in 2024,
representing a reduction of approximately 237.48 percentage points. This is the most dramatic change among
all countries shown in the chart, even though Zimbabwe has higher absolute inflation rates.

Classification des images¶

Cet exemple permet de classer le repère identifié dans une seule image.

SELECT SNOWFLAKE.CORTEX.COMPLETE('claude-3-5-sonnet',
    'Classify the landmark identified in this image. Respond in JSON only with the landmark name.',
    TO_FILE('@myimages', 'Seattle.jpg'));

Copy

Réponse :

{"landmark": "Space Needle"}

Extraction d’entités à partir d’une image¶

Cet exemple extrait les entités (objets) d’une image et renvoie les résultats au format JSON.

SELECT SNOWFLAKE.CORTEX.COMPLETE('claude-3-5-sonnet',
    'Extract the kitchen appliances identified in this image. Respond in JSON only with the identified appliances.',
    TO_FILE('@myimages', 'kitchen.png'));

Copy

Réponse :

{
    "appliances": [ "microwave","electric stove","oven","refrigerator" ]
}

CREATE TABLE image_table AS
    (SELECT TO_FILE('@myimages', RELATIVE_PATH) AS img FROM DIRECTORY(@myimages));

SELECT SNOWFLAKE.CORTEX.COMPLETE('claude-3-5-sonnet',
    PROMPT('Classify the input image {0} in no more than 2 words. Respond in JSON', img_file)) AS image_classification
FROM image_table;

{ "classification": "Inflation Rates" }
{ "classification": "beverage refrigerator" }
{ "classification": "Space Needle" }
{ "classification": "Modern Kitchen" }
{ "classification": "Pie Chart" }
{ "classification": "Economic Graph" }
{ "classification": "Persian Cat" }
{ "classification": "Labrador Retriever" }
{ "classification": "Jedi Cat" }
{ "classification": "Sleeping cat" }
{ "classification": "Persian Cat" }
{ "classification": "Garden Costume" }
{ "classification": "Floral Fashion" }

SELECT SNOWFLAKE.CORTEX.COMPLETE('claude-3-5-sonnet',
    PROMPT('Classify the input image {0} in no more than 2 words. Respond in JSON',
        TO_FILE('@myimages', img_path)) AS image_classification
FROM image_table;

SELECT SNOWFLAKE.CORTEX.COMPLETE('claude-3-5-sonnet',
    PROMPT('Classify the input image {0} in no more than 2 words. Respond in JSON',
        TO_FILE('@myimages', RELATIVE_PATH))) as image_classification
FROM DIRECTORY(@myimages);

SNOWFLAKE.CORTEX.COMPLETE('claude-3-5-sonnet',
    PROMPT('Given the input image {0}, {1}. Respond in JSON',
        TO_FILE('@myimages', img_path), prompt) as image_result)
FROM image_table;

Avis juridiques¶

Reportez-vous à Snowflake AI et ML.