IniziaInizia gratis

Verifica della dimensionalità

Ora hai le competenze per iniziare a inserire vettori in un nuovo indice Pinecone! Prima di partire, dovresti controllare che i tuoi vettori siano compatibili con la dimensionalità del nuovo indice.

Ti è stata fornita una lista di dizionari con i record da inserire, vectors. Ecco un'anteprima della sua struttura:

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

Se crei per errore un indice valido che però non rispetta le specifiche indicate nelle istruzioni, dovrai aggiungere il seguente codice prima del tuo .create_index():

pc.delete_index('datacamp-index')

Questo esercizio fa parte del corso

Database vettoriali per Embeddings con Pinecone

Visualizza il corso

Istruzioni dell'esercizio

  • Inizializza la connessione a Pinecone usando la tua API key.
  • Crea un nuovo indice Pinecone serverless chiamato "datacamp-index"; lascia invariate le altre impostazioni.
  • Usa una list comprehension per verificare che ogni vettore in vectors abbia lunghezza 1536, restituendo un unico True o False che indichi se tutti soddisfano questa condizione.

Esercizio pratico interattivo

Prova a risolvere questo esercizio completando il codice di esempio.

# 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))
Modifica ed esegui il codice