Aan de slagBegin gratis

Dimensionaliteit controleren

Je hebt nu de kennis om te beginnen met het inschrijven van vectors in een nieuwe Pinecone-index! Voordat je start, moet je controleren of je vectors compatibel zijn met de dimensionaliteit van je nieuwe index.

Een lijst met dictionaries met records om in te schrijven is beschikbaar als vectors. Hier is een voorbeeld van de structuur:

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

Deze oefening maakt deel uit van de cursus

Vector-databases voor embeddings met Pinecone

Bekijk cursus

Oefeninstructies

  • Initialiseer de Pinecone-verbinding met je API-sleutel.
  • Maak een nieuwe serverless Pinecone-index met de naam "datacamp-index"; laat de andere instellingen ongewijzigd.
  • Gebruik een list comprehension om te controleren dat elke vector in vectors lengte 1536 heeft, en geef één True of False terug dat aangeeft of ze allemaal aan deze voorwaarde voldoen.

Interactieve oefening met praktijkervaring

Probeer deze oefening door deze voorbeeldcode aan te vullen.

# 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))
Code bewerken en uitvoeren