LoslegenKostenlos loslegen

YouTube-Transkripte hochladen

In den folgenden Übungen erstellst du einen Chatbot, der Fragen zu YouTube-Videos beantworten kann, indem er Videotranskripte und zusätzliche Metadaten in deinen Index „ 'pinecone-datacamp' “ einliest.

Zuerst holst du die Daten aus der Datei youtube_rag_data.csv Datei vor und fügst die Vektoren mit allen Metadaten in den Index „ 'pinecone-datacamp' “ ein. Die Daten sind im DataFrame „ youtube_df “ verfügbar.

Hier ist ein Beispieltranskript aus dem DataFrame „ youtube_df “:

id: 
35Pdoyi6ZoQ-t0.0

title:
Training and Testing an Italian BERT - Transformers From Scratch #4

text: 
Hi, welcome to the video. So this is the fourth video in a Transformers from Scratch 
mini series. So if you haven't been following along, we've essentially covered what 
you can see on the screen. So we got some data. We built a tokenizer with it...

url: 
https://youtu.be/35Pdoyi6ZoQ

published: 
01-01-2024

Diese Übung ist Teil des Kurses

Vektordatenbanken für Einbettungen mit Pinecone

Kurs anzeigen

Anleitung zur Übung

  • Starte den Pinecone-Client mit deinem API-Schlüssel (der OpenAI-Client ist unter client verfügbar).
  • Extrahier die Metadaten „ 'id' “, „ 'text' “, „ 'title' “, „ 'url' “ und „ 'published' “ aus jeder „ row “-Datei.
  • texts mit „ 'text-embedding-3-small' “ von OpenAI verschlüsseln.
  • Füge die Vektoren und Metadaten in einen Namespace namens „ 'youtube_rag_dataset' “ ein.

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# Initialize the Pinecone client
pc = Pinecone(api_key="____")
index = pc.Index('pinecone-datacamp')

batch_limit = 100

for batch in np.array_split(youtube_df, len(youtube_df) / batch_limit):
    # Extract the metadata from each row
    metadatas = [{
      "text_id": row['____'],
      "text": row['____'],
      "title": row['____'],
      "url": row['____'],
      "published": row['____']} for _, row in batch.iterrows()]
    texts = batch['text'].tolist()
    
    ids = [str(uuid4()) for _ in range(len(texts))]
    
    # Encode texts using OpenAI
    response = ____(input=____, model="text-embedding-3-small")
    embeds = [np.array(x.embedding) for x in response.data]
    
    # Upsert vectors to the correct namespace
    ____(vectors=____(ids, embeds, metadatas), namespace='____')
    
print(index.describe_index_stats())
Code bearbeiten und ausführen