Aan de slagBegin gratis

Je eerste Pinecone-index

Met je Pinecone-client geïnitialiseerd ben je er helemaal klaar voor om een index te maken! Indexen worden gebruikt om records op te slaan, inclusief de vectoren en bijbehorende metadata, en om queries en andere bewerkingen uit te voeren. Naarmate je verder komt in de cursus, zie je hoe deze stappen samenkomen tot een modern AI-systeem gebaseerd op een vector database.

De klasse Pinecone is al voor je geïmporteerd.

Deze oefening maakt deel uit van de cursus

Vector-databases voor embeddings met Pinecone

Bekijk cursus

Oefeninstructies

  • Importeer de klasse ServerlessSpec uit pinecone.
  • Initialiseer de Pinecone-verbinding met je API-sleutel.
  • Maak een serverless index met de naam "my-first-index" om vectoren met 256 dimensies op te slaan, en configureer de index voor het 'aws'-cloudplatform in de regio 'us-east-1'.

Interactieve oefening met praktijkervaring

Probeer deze oefening door deze voorbeeldcode aan te vullen.

# Import ServerlessSpec
from pinecone import ____

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

# Create your Pinecone index
pc.____(
    name="____",
    dimension=____,
    spec=____(
        cloud='____',
        region='____'
    )
)
Code bewerken en uitvoeren