Comece agoraComece grátis

Verificando a dimensionalidade

Agora você já sabe como começar a ingerir vetores em um novo índice do Pinecone! Antes de avançar, vale conferir se seus vetores são compatíveis com a dimensionalidade do novo índice.

Uma lista de dicionários com os registros a serem ingeridos foi fornecida como vectors. Veja um exemplo da estrutura:

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

Este exercicio faz parte do curso

Bancos de dados vetoriais para incorporações com Pinecone

Ver curso

Instruções do exercicio

  • Inicialize a conexão com o Pinecone usando sua chave de API.
  • Crie um novo índice serverless do Pinecone chamado "datacamp-index"; mantenha as outras configurações como estão.
  • Use uma list comprehension para verificar se cada vetor em vectors tem comprimento 1536, retornando um único True ou False indicando se todos atendem a essa condição.

exercicio interativo prático

Tente este exercicio completando este código de exemplo.

# 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))
Editar e Executar Código