Primi passi con ChromaDB
Nei prossimi esercizi userai un database vettoriale per generare embedding e interrogare 1000 film e serie TV dal dataset di Netflix presentato nel video. L'obiettivo è utilizzare questi dati per creare raccomandazioni a partire da una query di ricerca. Per iniziare, creerai il database e la collezione in cui salvare i dati.
chromadb è già disponibile e OpenAIEmbeddingFunction() è stata importata da chromadb.utils.embedding_functions. Come nei primi due capitoli, in questo capitolo non devi fornire una chiave API di OpenAI.
Questo esercizio fa parte del corso
Introduzione agli Embeddings con l'API di OpenAI
Istruzioni dell'esercizio
- Crea un client persistente per salvare su disco i file del database; per questi esercizi puoi omettere il percorso dei file.
- Crea una collezione del database chiamata
netflix_titlesche utilizzi la funzione di embedding di OpenAI. - Elenca tutte le collezioni presenti nel database.
esercizio interattivo pratico
Prova questo esercizio completando questo codice di esempio.
# 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.____())