Zacznij terazZacznij za darmo

Dodawanie transkryptów z YouTube

W kolejnych ćwiczeniach stworzysz chatbota, który będzie odpowiadał na pytania dotyczące filmów z YouTube – na podstawie transkryptów wideo i dodatkowych metadanych wczytanych do indeksu 'pinecone-datacamp'.

Na początek przygotujesz dane z pliku youtube_rag_data.csv i dodasz wektory wraz ze wszystkimi metadanymi do indeksu 'pinecone-datacamp'. Dane są dostępne w ramce danych youtube_df.

Oto przykładowy transkrypt z ramki danych youtube_df:

id: 
35Pdoyi6ZoQ-t0.0

title:
Training and Testing an Italian BERT - Transformers From Scratch #4

text: 
Hi, welcome to the video. So this is the fourth video in a Transformers from Scratch 
mini series. So if you haven't been following along, we've essentially covered what 
you can see on the screen. So we got some data. We built a tokenizer with it...

url: 
https://youtu.be/35Pdoyi6ZoQ

published: 
01-01-2024

To ćwiczenie jest częścią kursu

Tworzenie aplikacji AI z Pinecone

Zobacz kurs

Instrukcje do ćwiczenia

  • Zainicjalizuj klienta Pinecone, podając swój klucz API (klient OpenAI jest dostępny jako client).
  • Wyodrębnij metadane 'id', 'text', 'title', 'url' i 'published' z każdego wiersza row.
  • Zakoduj zmienną texts przy użyciu modelu 'text-embedding-3-small' z OpenAI.
  • Dodaj wektory i metadane do przestrzeni nazw 'youtube_rag_dataset'.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Initialize the Pinecone client
pc = Pinecone(api_key="____")
index = pc.Index('pinecone-datacamp')

batch_limit = 100

for batch in np.array_split(youtube_df, len(youtube_df) / batch_limit):
    # Extract the metadata from each row
    metadatas = [{
      "text_id": row['____'],
      "text": row['____'],
      "title": row['____'],
      "url": row['____'],
      "published": row['____']} for _, row in batch.iterrows()]
    texts = batch['text'].tolist()
    
    ids = [str(uuid4()) for _ in range(len(texts))]
    
    # Encode texts using OpenAI
    response = ____(input=____, model="text-embedding-3-small")
    embeds = [np.array(x.embedding) for x in response.data]
    
    # Upsert vectors to the correct namespace
    ____(vectors=____(ids, embeds, metadatas), namespace='____')
    
print(index.describe_index_stats())
Edytuj i uruchom kod