EmpezarEmpieza gratis

Comprobar la dimensionalidad

¡Ya tienes los conocimientos para empezar a ingerir vectores en un nuevo índice de Pinecone! Antes de lanzarte, conviene comprobar que tus vectores sean compatibles con la dimensionalidad de tu nuevo índice.

Se te ha proporcionado una lista de diccionarios con los registros a ingerir como vectors. Aquí tienes un adelanto de su estructura:

vectors = [
    {
        "id": "0",
        "values": [0.025525547564029694, ..., 0.0188823901116848]
        "metadata": {"genre": "action", "year": 2024}
    },
        ...,
]

Este ejercicio forma parte del curso

Bases de datos vectoriales para incrustaciones con Pinecone

Ver curso

Instrucciones del ejercicio

  • Inicializa la conexión con Pinecone usando tu clave de API.
  • Crea un nuevo índice serverless de Pinecone llamado "datacamp-index"; deja el resto de ajustes como están.
  • Usa una comprensión de listas para comprobar que cada vector en vectors tiene longitud 1536, devolviendo un único True o False que indique si todos cumplen esta condición.

ejercicio interactivo práctico

Prueba este ejercicio completando este código de ejemplo.

# Initialize the Pinecone client using your API key
pc = Pinecone(api_key="____")

# Create your Pinecone index
pc.____(
    name="____", 
    dimension=1536, 
    spec=____(
        cloud='aws', 
        region='us-east-1'
    )
)

# Check that each vector has a dimensionality of 1536
vector_dims = [____(vector['____']) == ____ for vector in ____]
print(____(vector_dims))
Editar y ejecutar código