ComenzarEmpieza gratis

Comprobación de la dimensionalidad

¡Ahora ya tienes los conocimientos necesarios para empezar a incorporar vectores a un nuevo índice de Pinecone! Antes de empezar, comprueba que tus vectores son compatibles con la dimensionalidad de tu nuevo índice.

Se ha proporcionado una lista de diccionarios que contienen registros para importar en vectors. Aquí tienes un avance de su estructura:

vectors = [

    {

        "id": "0",

        "values": [0.025525547564029694, ..., 0.0188823901116848]

        "metadata": {"genre": "action", "year": 2024}

    },

        ...,

]

Si accidentalmente creas un índice válido que no cumple con las especificaciones detalladas en las instrucciones, deberás añadir el siguiente código antes de tu código .create_index():

pc.delete_index('datacamp-index')

Este ejercicio forma parte del curso

Bases de datos vectoriales para incrustaciones con Pinecone

Ver curso

Instrucciones del ejercicio

  • Inicializa la conexión Pinecone utilizando tu clave API.
  • Crea un nuevo índice Pinecone sin servidor llamado "datacamp-index"; deja el resto de ajustes tal y como están.
  • Utiliza una comprensión de lista para comprobar que cada vector de vectors tiene una longitud e 1536, devolviendo un único valor True o False que indica si todos cumplen esta condición.

Ejercicio interactivo práctico

Prueba este ejercicio y completa el código de muestra.

# 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