Google Cloud Platform AI を使用して PredictRequest を実行する際の Laravel の PHP エラーを修正する

Laravel を使用した Google Cloud AI Platform での「無効なインスタンス: string_value」エラーの処理

Laravel のコントローラーと Google Cloud の Vertex AI 予測サービスを使用したバックエンド ソリューション

<?php
namespace App\Http\Controllers;
use Google\Cloud\AIPlatform\V1\Client\PredictionServiceClient;
use Google\Cloud\AIPlatform\V1\PredictRequest;
use Google\Protobuf\Value;

class GoogleCloudAIController extends Controller {
    protected $projectId;
    protected $location;
    protected $endpointId;
    protected $client;
    protected $credentials;

    public function __construct() {
        $this->projectId = env('GOOGLE_CLOUD_PROJECT_ID');
        $this->location = env('GOOGLE_LOCATION');
        $this->endpointId = env('GOOGLE_CLOUD_AI_ENDPOINT_ID');
        $this->credentials = env('GOOGLE_APPLICATION_CREDENTIALS');

        $this->client = new PredictionServiceClient([
            'credentials' => json_decode(file_get_contents($this->credentials), true),
            'apiEndpoint' => "{$this->location}-aiplatform.googleapis.com",
        ]);
    }

    public function predictImage(string $imagePath) {
        $imageData = file_get_contents($imagePath);
        $encodedImage = base64_encode($imageData);
        $instance = new Value();
        $instance->setStringValue($encodedImage);

        $request = new PredictRequest();
        $formattedName = $this->client->endpointName($this->projectId, $this->location, $this->endpointId);
        $request->setEndpoint($formattedName);
        $request->setInstances([$instance]);

        try {
            $response = $this->client->predict($request);
            return response()->json($response->getPredictions());
        } catch (\Exception $e) {
            return response()->json(['error' => $e->getMessage()]);
        }
    }
}

代替解決策: 互換性を確保するためにインスタンス構造を変更する

このバージョンでは、連想配列を使用して、base64 画像データをインスタンスに直接渡します。

<?php
namespace App\Http\Controllers;
use Google\Cloud\AIPlatform\V1\Client\PredictionServiceClient;
use Google\Cloud\AIPlatform\V1\PredictRequest;

class GoogleCloudAIController extends Controller {
    protected $projectId;
    protected $location;
    protected $endpointId;
    protected $client;
    protected $credentials;

    public function __construct() {
        $this->projectId = env('GOOGLE_CLOUD_PROJECT_ID');
        $this->location = env('GOOGLE_LOCATION');
        $this->endpointId = env('GOOGLE_CLOUD_AI_ENDPOINT_ID');
        $this->credentials = env('GOOGLE_APPLICATION_CREDENTIALS');

        $this->client = new PredictionServiceClient([
            'credentials' => json_decode(file_get_contents($this->credentials), true),
            'apiEndpoint' => "{$this->location}-aiplatform.googleapis.com",
        ]);
    }

    public function predictImage(string $imagePath) {
        $imageData = file_get_contents($imagePath);
        $encodedImage = base64_encode($imageData);

        $request = new PredictRequest();
        $formattedName = $this->client->endpointName($this->projectId, $this->location, $this->endpointId);
        $request->setEndpoint($formattedName);
        $request->setInstances([['content' => $encodedImage]]);

        try {
            $response = $this->client->predict($request);
            return response()->json($response->getPredictions());
        } catch (\Exception $e) {
            return response()->json(['error' => $e->getMessage()]);
        }
    }
}

GoogleCloudAIController の PredictRequest 関数の単体テスト

Laravel アプリケーションのクライアント応答を模擬した PHP 単体テスト

<?php
namespace Tests\Unit;
use Tests\TestCase;
use App\Http\Controllers\GoogleCloudAIController;
use Illuminate\Support\Facades\Http;
use Google\Cloud\AIPlatform\V1\Client\PredictionServiceClient;

class GoogleCloudAIControllerTest extends TestCase {
    public function testPredictImageReturnsPredictions() {
        Http::fake([
            'https://*.aiplatform.googleapis.com/*' => Http::response(['predictions' => ['result']], 200)
        ]);

        $controller = new GoogleCloudAIController();
        $response = $controller->predictImage('test_image.jpg');

        $this->assertEquals(200, $response->status());
        $this->assertArrayHasKey('predictions', $response->json());
    }
}

Google Cloud AI と Laravel PredictRequest に関するよくある質問

1. Google Cloud AI の「無効なインスタンス: string_value」エラーを修正するにはどうすればよいですか?
2. 画像がラップされていることを確認してください。 Google\Protobuf\Value インスタンス付き setStringValue エンコードされたbase64画像を文字列値として設定します。 JSON での適切な形式も重要です。
3. Google Cloud AI はペイロード構造で何を期待していますか?
4. Google Cloud AI、特に Vertex AI には、Google プロトコル バッファを使用した JSON のような構造が必要です。各インスタンスは、「コンテンツ」が画像データのキーとして使用されるネストされた JSON を含む配列形式である必要があります。
5. ライブ API 呼び出しなしで Laravel Google Cloud AI 統合をテストできますか?
6. はい！ララベルの Http::fake 応答をシミュレートできます。これを使用して Google Cloud AI からの応答を模擬し、アプリケーションが成功した予測と失敗した予測の両方をどのように処理するかをテストできます。
7. の役割は何ですか PredictionServiceClient Laravelのクラス？
8. の PredictionServiceClient このクラスは、Google Cloud AI へのクライアント インターフェースとして機能します。これは、エンドポイントのフォーマット、インスタンスのセットアップ、API への予測呼び出しを行うためのメソッドを提供します。
9. Google AI に必要な理由 Google\Protobuf\Value 画像データ用？
10. の Google\Protobuf\Value クラスは、Google API のさまざまなタイプの構造化データ間で一貫性を維持するのに役立ち、複雑なデータタイプに対する JSON とプロトコル バッファー間の互換性を確保します。
11. Google Cloud AI 予測のデータ処理を最適化するにはどうすればよいですか?
12. 適切なエラー処理を使用してください try-catch ブロックを作成し、画像データを正確にエンコードするようにしてください。機密情報のハードコーディングを避けるために、プロジェクトとエンドポイントの設定が環境変数から安全に読み込まれるようにしてください。
13. 目的は何ですか endpointName Vertex AI 統合では?
14. の endpointName このメソッドは、Google Cloud の要件に従ってエンドポイント名の形式を設定し、予測が適切なモデルで処理されるようにエンドポイント パスが正しいことを保証します。
15. Laravel で Google Cloud プロジェクト情報を構造化するにはどうすればよいですか?
16. 店舗詳細など projectId、 location、 そして endpointId 環境変数で。これらにアクセスするには、 env() Laravel コントローラー内で情報を安全に保ち、設定可能にします。
17. は setInstances PredictRequestを呼び出すときに必要ですか?
18. はい、 setInstances 予測用のデータを渡すために必要です。各データ入力はインスタンス配列内で構造化される必要があり、バッチ処理にも不可欠です。
19. とは何ですか Http::fake Laravelのテストに役立ちますか?
20. Http::fake を使用すると、応答を模擬できるため、Google Cloud に実際のリクエストを行わずにアプリケーションが API 応答をどのように処理するかをテストでき、コストを節約し、一貫したテスト結果を保証できます。

Laravel と Google Cloud AI リクエストのトラブルシューティングに関する最終的な考え

Google Cloud AI を Laravel に統合すると、強力な予測機能が利用できるようになりますが、「無効なインスタンス: string_value」のようなエラーを回避するために、正確な形式設定とインスタンス処理が必要になります。ペイロード構造、正しいデータエンコーディング、およびテストに焦点を当てることで、これらの問題は管理可能になります。

Laravelの使用 予測サービスクライアント 互換性のある AI リクエストを作成するには、忍耐と細部への注意が必要です。などのツールを活用する http::fake テスト用に画像データをプロトコル バッファーにラップすることで、スムーズな AI 統合が保証され、Laravel アプリケーションに効率と洞察の両方がもたらされます。 🚀