ChromaDB を始めよう
この後の演習では、ビデオで紹介した Netflix データセットから 1000 本の映画とテレビ番組をベクトルデータベースに埋め込み、クエリを実行します。目的は、検索クエリに基づいてレコメンデーションを生成することです。まずは、データを保存するデータベースとコレクションを作成しましょう。
chromadb は利用可能で、OpenAIEmbeddingFunction() は chromadb.utils.embedding_functions からインポート済みです。最初の 2 章と同様に、この章でも OpenAI API キーを用意する必要はありません。
この演習はコースの一部です
OpenAI API ではじめる Embeddings 入門
演習の手順
- データベースファイルをディスクに保存するための永続クライアントを作成します。この演習ではファイルパスは省略してかまいません。
- OpenAI の埋め込み関数を使う
netflix_titlesという名前のデータベースコレクションを作成します。 - データベース内のすべてのコレクションを一覧表示します。
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
# 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.____())