Optimigh na chomharthaí íomhá
Ar an leathanach seo
Rialaigh do chostais sa táirgeadh
Sa táirgeadh, is féidir le comharthaí íomhá codán suntasach de do bhille API a dhéanamh suas. Úsáideann íomhá amháin i mód high suas le 1,792 comhartha—coibhéiseach le roinnt míreanna téacs. Méadaigh é sin faoi na céadta nó na mílte iarratas in aghaidh an lae, agus éiríonn an t-optamú riachtanach.
Straitéis 1: Roghnaigh an leibhéal mionsonraíochta ceart
Is é an paraiméadar detail do phríomhghiuirléid optamaithe. Is é an botún is coitianta ná high a úsáid mar réamhshocrú nuair a leor low nó auto sa chuid is mó de chásanna.
Maitrís cinnteoireachta
| Tasc | Mionsonraíocht mholta | Comharthaí measta |
|---|---|---|
| Aicmiú íomhá | low | ~256 |
| Cur síos ginearálta | auto | ~512-768 |
| Téacs alt / inrochtaineacht | low | ~256 |
| Maoirseacht ábhair | auto | ~512-768 |
| OCR / eastóscadh téacs | high | ~1024-1792 |
| Anailís cairte | high | ~1024-1792 |
| Braith lochtanna | high | ~1024-1792 |
Straitéis 2: Athraigh méid sula seoladh
Is annamh a bhíonn íomhánna ardtaifigh (4K, 8K) riachtanach d’anailís AI. Laghdaíonn athrú méide comhsheasmhach ar do chuid íomhánna sula seoladh tú iad na comharthaí gan tionchar suntasach ar cháilíocht na hanailíse.
from PIL import Image
import io
import base64
class OptimiseurImage:
TAILLES_PAR_TACHE = {
"classification": (512, 512),
"description": (1024, 1024),
"ocr": (2048, 2048),
"comparison": (800, 800),
}
@staticmethod
def optimiser(chemin, tache="description", qualite=85):
taille_max = OptimiseurImage.TAILLES_PAR_TACHE.get(
tache, (1024, 1024)
)
img = Image.open(chemin)
# Do not enlarge small images
if img.width <= taille_max[0] and img.height <= taille_max[1]:
pass
else:
img.thumbnail(taille_max)
# Convert to JPEG to reduce size
if img.mode in ("RGBA", "P"):
img = img.convert("RGB")
buffer = io.BytesIO()
img.save(buffer, "JPEG", quality=qualite)
buffer.seek(0)
encoded = base64.standard_b64encode(buffer.read()).decode()
return f"data:image/jpeg;base64,{encoded}"
Straitéis 3: Píblíne dhá phas
Do thoirt mhór, úsáid píblíne dhá phas—pas tapa i low ar dtús chun sórtáil, agus ansin dara pas i high ach amháin do na híomhánna a éilíonn é:
def pipeline_deux_passes(images):
# Pass 1: fast classification (low)
classifications = []
for img in images:
response = client.responses.create(
model="grok-4.5",
input=[
{"type": "input_image", "image_url": img, "detail": "low"},
{"type": "input_text", "text": "Classify: document, photo, chart, other. One word."}
],
store=False
)
classifications.append({
"url": img,
"type": response.output_text.strip().lower()
})
# Pass 2: detailed analysis (high) only if necessary
resultats = []
for item in classifications:
if item["type"] in ("document", "chart"):
detail = "high"
else:
detail = "auto"
response = client.responses.create(
model="grok-4.5",
input=[
{"type": "input_image", "image_url": item["url"], "detail": detail},
{"type": "input_text", "text": "Detailed analysis of this image."}
],
store=False
)
resultats.append(response.output_text)
return resultats
Straitéis 4: Caiséáil
Má dhéanann tú anailís ar na híomhánna céanna go minic (tástálacha, forbairt, taispeántas), déan caiséáil ar na torthaí:
import hashlib
import json
cache = {}
def vision_avec_cache(image_url, prompt, detail="auto"):
# Create a unique key
cle = hashlib.sha256(
f"{image_url}:{prompt}:{detail}".encode()
).hexdigest()
if cle in cache:
return cache[cle]
response = client.responses.create(
model="grok-4.5",
input=[
{"type": "input_image", "image_url": image_url, "detail": detail},
{"type": "input_text", "text": prompt}
],
store=False
)
cache[cle] = response.output_text
return response.output_text
Monatóireacht agus foláirimh
Cuir rianú costais ar bun chun sáruithe a bhrath:
def monitorer_tokens(response, seuil_alerte=5000):
usage = response.usage
image_tokens = usage.prompt_tokens_details.image_tokens
if image_tokens > seuil_alerte:
print(f"ALERT: {image_tokens} image tokens (threshold: {seuil_alerte})")
return {
"image_tokens": image_tokens,
"text_tokens": usage.prompt_tokens_details.text_tokens,
"total": usage.total_tokens
}
Príomhphointí
- Roghnaigh an leibhéal
detailatá oiriúnach don tasc—lownuair is leor é - Athraigh méid na n-íomhánna sula seoladh tú iad chun tomhaltas a laghdú
- Úsáid píblíne dhá phas do thoirt mhór
- Déan caiséáil ar thorthaí chun glaotha iomarcacha a sheachaint
- Déan monatóireacht ar chomharthaí íomhá sa táirgeadh chun costais a réamh-mheas