正如摘要所述，本文将深入探讨在使用 gpt-4 Vision API 处理大量图像时遇到的常见问题，即由于 API 的速率限制导致的错误。我们将分析问题代码，解释速率限制的原因，并提供一系列可行的解决方案，帮助开发者有效地利用 GPT-4 Vision API。
问题分析
提供的代码旨在利用 GPT-4 Vision API 为 Google Drive 中的大量图片生成 SEO 优化的元描述。代码的功能主要包括：
- 挂载 Google Drive: 允许访问存储在 Google Drive 中的图片。
- 读取图片: 从指定文件夹读取图片文件。
- 编码图片: 将图片编码为 Base64 字符串，以便通过 API 发送。
- 调用 GPT-4 Vision API: 向 Openai API 发送请求，请求生成元描述。
- 处理 API 响应: 解析 API 响应，并将结果保存到 pandas DataFrame 中。
- 导出结果: 将 DataFrame 导出到 excel 文件。
问题在于，代码在处理大约 100 张图片后开始返回 “Error”，这很可能与 OpenAI API 的速率限制有关。
速率限制详解
OpenAI 的 GPT-4 Vision API 具有速率限制，旨在防止滥用并确保所有用户都能获得公平的服务。速率限制的具体数值取决于用户的使用层级。这意味着，免费用户可能具有较低的速率限制，而付费用户则可能具有更高的限制。
如何查看速率限制？
可以在 OpenAI 平台的文档中找到关于速率限制的详细信息。访问OpenAI 速率限制文档可以了解不同使用层级的具体限制。
解决方案
以下是一些解决 GPT-4 Vision API 速率限制问题的方案：
-
了解并监控速率限制:
- 仔细阅读 OpenAI 的速率限制文档，了解你的使用层级对应的限制。
- 在代码中添加监控机制，以便在接近速率限制时发出警告。
- 考虑使用 OpenAI 提供的 API 监控工具，以便更好地了解你的 API 使用情况。
-
优化代码，减少 API 调用频率:
- 批量处理: 如果可能，尝试一次性发送多个图片进行处理，而不是逐个发送。但是，需要注意 API 的请求大小限制。
- 降低图片分辨率: 如果元描述不需要非常高的图片细节，可以降低图片的分辨率，从而减少 API 的处理时间和资源消耗。
- 缓存结果: 对于已经生成过元描述的图片，可以将结果缓存起来，避免重复调用 API。
-
处理速率限制错误:
- 重试机制: 在代码中添加重试机制，当 API 返回速率限制错误时，等待一段时间后自动重试。可以使用 time.sleep() 函数来控制等待时间。
- 指数退避 (Exponential Backoff): 使用指数退避策略来增加重试之间的等待时间，避免在短时间内发送大量请求。
-
升级 OpenAI 使用层级:
- 如果你的应用需要处理大量的图片，并且速率限制成为瓶颈，可以考虑升级到 OpenAI 的付费层级，以获得更高的速率限制。
代码示例：添加重试机制
以下代码示例展示了如何在原始代码中添加重试机制，以处理速率限制错误：
import os import base64 import requests import pandas as pd from google.colab import drive import time drive.mount('/content/drive') image_folder = '/content/drive/MyDrive/Work related/FS/Imagenes/Metadescripciones HC ' api_key = 'my api code goes here XXXXX' def encode_image(image_path): with open(image_path, "rb") as image_file: return base64.b64encode(image_file.read()).decode('utf-8') headers = { "Content-Type": "application/json", "Authorization": f"Bearer {api_key}" } results_df = pd.DataFrame(columns=['Nombre del Archivo', 'Metadescripcion']) def get_metadescription(base64_image): payload = { "model": "gpt-4-vision-preview", "messages": [ { "role": "user", "content": [ { "type": "text", "text": "Write a meta description for the image of this product, optimized for SEO and in less than 150 words" }, { "type": "image_url", "image_url": { "url": f"data:image/jpeg;base64,{base64_image}", "detail": "low" } } ] } ], "max_tokens": 400 } max_retries = 5 for attempt in range(max_retries): try: response = requests.post("https://api.openai.com/v1/chat/completions", headers=headers, json=payload) response_json = response.json() if response.status_code == 200: return response_json['choices'][0]['message']['content'] else: print(f"Attempt {attempt 1} failed with status code: {response.status_code}") if response.status_code == 429: # Rate limit error wait_time = (2 ** attempt) # Exponential backoff print(f"Rate limit exceeded. Waiting {wait_time} seconds before retrying.") time.sleep(wait_time) else: print(f"Unexpected error: {response_json}") return 'Error' # Return error for other status codes except Exception as e: print(f"An exception occurred: {e}") return 'Error' return 'Error' # Return error after all retries failed for filename in os.listdir(image_folder): if filename.endswith((".png", ".jpg", ".jpeg")): image_path = os.path.join(image_folder, filename) base64_image = encode_image(image_path) metadescription = get_metadescription(base64_image) new_row = pd.DataFrame({'Nombre del Archivo': [filename], 'Metadescripcion': [metadescription]}) results_df = pd.concat([results_df, new_row], ignore_index=True) results_df.to_excel('/content/drive/MyDrive/Work related/FS/Imagenes/Metadescripciones.xlsx', index=False)
代码解释：
- get_metadescription(base64_image) 函数: 封装了调用 API 的逻辑，并包含了重试机制。
- max_retries 变量: 定义了最大重试次数。
- for attempt in range(max_retries) 循环: 循环尝试调用 API。
- try…except 块: 捕获可能出现的异常。
- response.status_code == 429 条件: 检查是否为速率限制错误。
- `wait_time = (2 attempt)`:** 使用指数退避策略计算等待时间。
- time.sleep(wait_time): 暂停执行，等待一段时间后重试。
总结
在使用 GPT-4 Vision API 处理大量图片时，速率限制是一个常见的问题。通过了解速率限制、优化代码、添加重试机制以及考虑升级使用层级，可以有效地解决这个问题，并更高效地利用 GPT-4 Vision API。 记住，良好的 API 使用习惯不仅可以提高效率，还可以避免不必要的费用。
© 版权声明
文章版权归作者所有，未经允许请勿转载。
THE END
