修复使用 Google Cloud Platform AI 运行 PredictRequest 时 Laravel 中的 PHP 错误

使用 Laravel 处理 Google Cloud AI Platform 中的“无效实例：string_value”错误

使用 Laravel 控制器和 Google Cloud 的 Vertex AI 预测服务的后端解决方案

<?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()]);
        }
    }
}

替代解决方案：修改实例结构以实现兼容性

该版本使用关联数组直接在实例中传递base64图像数据

<?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 中 PredictRequest 函数的单元测试

使用 Laravel 应用程序的模拟客户端响应进行 PHP 单元测试

<?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());
    }
}

有关 Google Cloud AI 和 Laravel PredictRequest 的常见问题

1. 如何修复 Google Cloud AI 中的“无效实例：string_value”错误？
2. 确保您的图像被包裹在 Google\Protobuf\Value 实例与 setStringValue 将编码的 Base64 图像设置为字符串值。 JSON 中正确的格式也很重要。
3. Google Cloud AI 对有效负载结构有何期望？
4. Google Cloud AI，特别是 Vertex AI，需要使用 Google Protocol Buffers 的类似 JSON 的结构。每个实例都应该采用带有嵌套 JSON 的数组格式，其中“内容”用作图像数据的键。
5. 我可以在没有实时 API 调用的情况下测试我的 Laravel Google Cloud AI 集成吗？
6. 是的！拉拉维尔的 Http::fake 可以模拟反应。使用它来模拟来自 Google Cloud AI 的响应，这使您可以测试应用程序如何处理成功和失败的预测。
7. 的作用是什么 PredictionServiceClient Laravel 中的类？
8. 这 PredictionServiceClient 类充当 Google Cloud AI 的客户端接口。它提供了格式化端点、设置实例以及对 API 进行预测调用的方法。
9. 为什么谷歌人工智能需要 Google\Protobuf\Value 对于图像数据？
10. 这 Google\Protobuf\Value 类有助于保持 Google API 中不同类型结构化数据的一致性，确保复杂数据类型的 JSON 和 Protocol Buffers 之间的兼容性。
11. 如何优化 Google Cloud AI 预测的数据处理？
12. 使用正确的错误处理 try-catch 块，并确保准确地编码图像数据。确保从环境变量安全加载项目和端点设置，以避免硬编码敏感细节。
13. 目的是什么 endpointName Vertex AI 集成？
14. 这 endpointName 方法根据 Google Cloud 要求格式化端点名称，确保端点路径正确，以便正确的模型处理预测。
15. 如何在 Laravel 中构建我的 Google Cloud 项目信息？
16. 存储详细信息，例如 projectId, location， 和 endpointId 在环境变量中。访问这些使用 17 号 在您的 Laravel 控制器中，以确保信息安全和可配置。
17. 是 setInstances 调用 PredictRequest 时有必要吗？
18. 是的， setInstances 需要传递数据进行预测。每个数据输入都应该在实例数组中构建，这对于批处理也至关重要。
19. 什么是 Http::fake 对 Laravel 测试有用吗？
20. Http::fake 允许您模拟响应，让您测试应用程序如何处理 API 响应，而无需向 Google Cloud 发出实际请求，从而节省成本并确保一致的测试结果。

关于 Laravel 和 Google Cloud AI 请求故障排除的最终想法

将 Google Cloud AI 集成到 Laravel 中可以开启强大的预测功能，但需要精确的格式化和实例处理，以避免诸如“无效实例：string_value”之类的错误。通过关注有效负载结构、正确的数据编码和测试，这些问题变得可以管理。

使用 Laravel 的 预测服务客户端 创建兼容的人工智能请求需要耐心和对细节的关注。利用类似的工具 http::假的 用于测试并将图像数据包装在 Protocol Buffers 中，有助于确保 AI 的顺利集成，为 Laravel 应用程序带来效率和洞察力。 🚀