Začínáme s ChromaDB
V následujících cvičeních použiješ vektorovou databázi k uložení embeddings a vyhledávání v 1 000 filmech a seriálech z Netflixového datasetu, který byl představen ve videu. Cílem bude využít tato data k doporučování obsahu na základě vyhledávacího dotazu. Nejdřív vytvoříš databázi a kolekci pro uložení dat.
chromadb máš k dispozici a OpenAIEmbeddingFunction() je naimportována z chromadb.utils.embedding_functions. Stejně jako v prvních dvou kapitolách není potřeba v této kapitole zadávat OpenAI API klíč.
Toto cvičení je součástí kurzu
Introduction to Embeddings with the OpenAI API
Pokyny k cvičení
- Vytvoř persistentního klienta, který uloží soubory databáze na disk; cestu k souboru v těchto cvičeních vynech.
- Vytvoř databázovou kolekci s názvem
netflix_titles, která bude používat OpenAI embedding funkci. - Zobraz seznam všech kolekcí v databázi.
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
# Create a persistant client
client = chromadb.____()
# Create a netflix_title collection using the OpenAI Embedding function
collection = client.create_collection(
name="____",
____=____(model_name="text-embedding-3-small", api_key="")
)
# List the collections
print(client.____())